Kronološka dob ne može se promijeniti, ali zato može biološka
Britanski istraživači procijenili su AI satove metabolomskog starenja koji analizom krvnih podataka predviđaju nečije buduće zdravlje i životni vijek
Satovi starenja temeljeni na umjetnoj inteligenciji koji koriste podatke o metabolitima u krvi mogu predvidjeti zdravlje i životni vijek, otkrili su istraživači Instituta za psihijatriju, psihologiju i neuroznanost (IoPPN) King's Collegea u Londonu. Studija, objavljena u časopisu Science Advances, uključivala je obuku i testiranje 17 algoritama strojnog učenja koristeći podatke o krvnim markerima više od 225.000 sudionika pohranjenih u UK Biobanku. Istraživači su procijenili koliko točno ovi metabolomički satovi starenja predviđaju životni vijek i koliko snažno koreliraju s različitim mjerama zdravlja i starenja. U tom iščitavanju moguće budućnosti najučinkovitijima su se pokazali algoritmi nelinearnog strojnog učenja, a naročito takozvana kubistička regresija.
Ubrzano starenje
Metabolomička dob, MileAge, odražava unutarnju biološku dob osobe na temelju krvnih metabolita, malih molekula koje nastaju tijekom procesa metabolizma, poput onih kad se hrana pretvara u energiju. Razlika između starosti osobe predviđene metabolitom (MileAge) i njihove stvarne kronološke dobi pokazuje je li njihovo biološko starenje ubrzano ili usporeno.
Pokazalo se da su pojedinci s ubrzanim starenjem, čija je dob predviđena metabolitom starija od njihove kronološke dobi, u prosjeku su slabiji i skloniji kroničnim bolestima. Uz to, imaju kraće telomere, markere staničnog starenja povezane sa staračkim bolestima kao što je ateroskleroza. Međutim, usporeno biološko starenje slabo je povezano s dobrim zdravljem, uočili su istraživači.
Kubistička regresija
”Za razliku od kronološke dobi koja se ne može promijeniti, našu biološku dob moguće je mijenjati”, kažu istraživači. Satovi starenja mogli bi pomoći da se na vrijeme uoče rani znakovi pogoršanja zdravlja i omogućiti pravovremene intervencije prije pojave bolesti.
S većinom pokazatelja zdravlja i starenja najjače je povezan metabolomički sat razvijen korištenjem specifičnog algoritma strojnog učenja, nazvanog kubistička regresija. Uz to, pokazalo se i da algoritmi koji mogu modelirati nelinearne odnose između metabolita i starosti pružaju najbolje rezultate u hvatanju bioloških signala o zdravlju i životnom vijeku.
