Investigadores del Instituto de Psiquiatría, Psicología y Neurociencia (IoPPN) del King’s College de Londres han realizado un estudio exhaustivo para evaluar los relojes de envejecimiento basados en inteligencia artificial, que utilizan datos sanguíneos para predecir la salud y la edad.
Los investigadores entrenaron y probaron 17 algoritmos de aprendizaje automático utilizando datos sobre marcadores sanguíneos de 225.000 participantes del Biobanco del Reino Unido, de entre 40 y 69 años cuando fueron reclutados. Investigaron qué tan bien los diferentes relojes metabólicos de envejecimiento predecían la edad y qué tan fuertemente se asociaban estos relojes con medidas de salud y envejecimiento.
La edad metabólica de una persona, su “kilometraje”, es una medida de la edad que parece tener su cuerpo por dentro, en función de los metabolitos sanguíneos. Los metabolitos son pequeñas moléculas que se producen durante el proceso del metabolismo, por ejemplo cuando los alimentos se descomponen en energía. La diferencia entre la edad prevista por los metabolitos de una persona y su edad histórica, llamada MileAge Delta, indica si su edad biológica se está acelerando o disminuyendo.
El estudio fue publicado en Avances en la ciencia y desarrollar un reloj de envejecimiento biológico utilizando datos de metabolitos, aprovechando uno de los conjuntos de datos más grandes del mundo. es el primero en comparar exhaustivamente diferentes algoritmos de aprendizaje automático en cuanto a su capacidad para Fue financiado por el Centro de Investigación Biomédica Maudsley (BRC) del Instituto Nacional de Investigación en Salud y Atención (NIHR) y utilizó datos del Biobanco del Reino Unido.
Los individuos con mayor edad (es decir, con una edad prevista por metabolitos mayor que su edad histórica) eran, en promedio, más frágiles, más propensos a sufrir enfermedades crónicas, a tener peor salud autoinformada y a tener un mayor riesgo de muerte. También tenían telómeros más cortos (las ‘tapas’ al final de los cromosomas), un marcador del envejecimiento celular y relacionado con enfermedades relacionadas con la edad como la aterosclerosis. Sin embargo, la disminución de la edad biológica (en la que la edad prevista por los metabolitos es menor que la edad histórica) se asoció sólo débilmente con la buena salud.
Los relojes envejecidos pueden ayudar a identificar signos tempranos de deterioro de la salud, permitiendo estrategias e intervenciones de prevención antes de la aparición de la enfermedad. También pueden permitir a las personas realizar un seguimiento activo de su salud, tomar mejores decisiones en su estilo de vida y tomar medidas para mantenerse saludables por más tiempo.
El Dr. Julian Mutz, investigador del Premio King en IoPPN y autor principal del estudio, dijo: “Los relojes de envejecimiento metabólico tienen el potencial de proporcionar información sobre quién puede tener un mayor riesgo de desarrollar problemas de salud más adelante en la vida. A diferencia de la edad histórica, que no puede cambiar nuestra edad biológica, estos relojes proporcionan una medida aproximada de la edad biológica para la investigación de la salud y ayudan a las personas a elegir estilos de vida y servicios de salud. Informar las estrategias de prevención implementadas por
Profesora Catherine Lewis, profesora de epidemiología y estadística genética, subdirectora asociada del tema de ensayos, genómica y pronóstico en NIHR Maudsley BRC; Y el autor principal del estudio, dijo: “Existe un interés considerable en desarrollar relojes de envejecimiento que sean precisos. Nuestra edad biológica es poderosa. El estudio explora el potencial de los relojes de envejecimiento biológico para avanzar en estas herramientas que el análisis de big data puede resultar rentable. “Es un hito importante en el establecimiento de la capacidad de informar las opciones de salud”.
Los investigadores descubrieron que un reloj metabolómico generado utilizando un algoritmo específico de aprendizaje automático, llamado regresión basada en reglas cubistas, estaba fuertemente asociado con la mayoría de los marcadores de salud y envejecimiento. También descubrieron que los algoritmos que pueden modelar relaciones no lineales entre los metabolitos y la edad generalmente funcionan mejor para capturar señales biológicas informativas sobre la salud y la edad.
