Reloj de arena
Científicos crean relojes de envejecimiento basados en IA capaces de predecir la salud y la esperanza de vida
Los investigadores entrenaron y probaron 17 algoritmos de aprendizaje automático utilizando datos sobre marcadores en la sangre de más de 225.000 participantes
Un estudio exhaustivo del Instituto de Psiquiatría, Psicología y Neurociencia (IoPPN) del King's College de Londres (Reino Unido) ha evaluado los relojes de envejecimiento basados en inteligencia artificial, que predicen la salud y la esperanza de vida utilizando datos de la sangre.
El estudio se publica en Science Advances y es el primero en comparar exhaustivamente diferentes algoritmos de aprendizaje automático en cuanto a su capacidad para desarrollar relojes biológicos de envejecimiento utilizando datos de metabolitos, aprovechando uno de los conjuntos de datos más grandes del mundo.
Los investigadores entrenaron y probaron 17 algoritmos de aprendizaje automático utilizando datos sobre marcadores en la sangre de más de 225.000 participantes del Biobanco del Reino Unido, de entre 40 y 69 años de edad en el momento de su inclusión. Investigaron la eficacia con la que los distintos relojes metabolómicos del envejecimiento predicen la esperanza de vida y la solidez con la que estos relojes se asociaban a las medidas de salud y envejecimiento.
La edad metabolómica de una persona, su «MileAge», es una medida de la edad que parece tener su cuerpo por dentro basándose en unos marcadores en la sangre llamados metabolitos. 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 de una persona a partir de los metabolitos y su edad cronológica, denominada delta de MileAge, indica si su envejecimiento biológico se acelera o se desacelera.
Las personas con envejecimiento acelerado (es decir, con una edad predicha por metabolitos mayor que su edad cronológica) eran, en promedio, más frágiles, tenían más probabilidades de tener una enfermedad crónica, calificaban su salud de peor y tenían un mayor riesgo de mortalidad. También tenían telómeros más cortos («tapas» en el extremo de los cromosomas), que son un marcador del envejecimiento celular y están vinculados con enfermedades relacionadas con la edad, como la aterosclerosis. Sin embargo, el envejecimiento biológico desacelerado (con una edad predicha por metabolitos menor que la edad cronológica) solo estaba débilmente vinculado con una buena salud.
Los relojes que indican el envejecimiento podrían ayudar a detectar los primeros signos de deterioro de la salud, lo que permitiría aplicar estrategias preventivas e intervenciones antes de la aparición de enfermedades. También podrían permitir a las personas realizar un seguimiento proactivo de su salud, tomar mejores decisiones en cuanto a su estilo de vida y adoptar medidas para mantenerse saludables durante más tiempo.
«Los relojes metabolómicos del envejecimiento tienen el potencial de proporcionar información sobre quién podría tener un mayor riesgo de desarrollar problemas de salud más adelante en la vida. A diferencia de la edad cronológica, que no se puede cambiar, nuestra edad biológica es potencialmente modificable», explica el doctor Julian Mutz , investigador del Premio del Rey en el IoPPN y autor principal del estudio.
«Estos relojes proporcionan una medida indirecta de la edad biológica para la investigación biomédica y de salud, que podría ayudar a dar forma a las opciones de estilo de vida que toman las personas e informar sobre las estrategias preventivas implementadas por los servicios de salud. Nuestro estudio evaluó una amplia gama de enfoques de aprendizaje automático para desarrollar relojes de envejecimiento, mostrando que los algoritmos no lineales funcionan mejor para capturar señales de envejecimiento», añade.
Los investigadores descubrieron que un reloj metabolómico desarrollado mediante un algoritmo de aprendizaje automático específico, llamado regresión basada en reglas cubistas, era el que estaba más fuertemente asociado con la mayoría de los marcadores de salud y envejecimiento. También descubrieron que los algoritmos que pueden modelar relaciones no lineales entre metabolitos y edad generalmente tenían un mejor desempeño a la hora de capturar señales biológicas que informan sobre la salud y la expectativa de vida.
