Wiskundigen en biologen van de Russische startup Gero hebben een algoritme gemaakt waarmee je met een korte vragenlijst nauwkeurig de biologische leeftijd van een persoon kunt inschatten. Hun bevindingen werden gepubliceerd in de elektronische bibliotheek bioRxiv.org.
Wetenschappers zijn de afgelopen jaren actief op zoek geweest naar manieren om de biologische leeftijd van een persoon te schatten. Wetenschappers begrijpen deze term als hoe oud of jong de weefsels en organen van een bepaald individu eruitzien in vergelijking met andere mensen uit zijn leeftijdscategorie.
De discrepantie tussen kalender en biologische leeftijd zal artsen volgens biologen helpen bepalen of ze speciale aandacht moeten besteden aan de gezondheid van hun patiënten om hen te helpen zo lang mogelijk te leven.
Aanvankelijk berekenden wetenschappers de biologische leeftijd van een persoon door de concentratie van bepaalde eiwitmoleculen in het bloed te analyseren, evenals de structuur van het DNA-omhulsel en vele andere aspecten van het lichaamswerk. In de afgelopen jaren zijn biologen aanwijzingen gaan vinden dat dezelfde beoordelingen kunnen worden verkregen zonder bloedmonsters te nemen, maar door het werk van organen te analyseren met behulp van MRI, röntgenfoto's en andere diagnostische systemen.
Pyrkov en zijn collega's hebben onlangs geleerd hoe ze de biologische leeftijd van een persoon kunnen berekenen met behulp van kunstmatige intelligentie en eenvoudige fitnesstrackers die het niveau van fysieke activiteit volgen. Ze kwamen tot deze conclusie nadat ze gegevens hadden geanalyseerd die waren verzameld tijdens het observeren van de levens van ongeveer honderdduizend Amerikaanse verpleegsters en paramedici met behulp van machine learning-methoden.
Door deze successen vroegen wiskundigen zich af in hoeverre de nauwkeurigheid van voorspellingen tussen zulke eenvoudige systemen die geen interferentie met het lichaamswerk vereisen, en complexere methoden waarbij bloed en andere weefsels worden verzameld, verschillen.
Om dit te doen, gebruikten ze dezelfde dataset uit het NHANES-project als bij het werken met fitnesstrackers, die niet alleen gegevens bevatten over fysieke activiteit van Amerikaanse medische professionals, maar ook hun bloedmonsters, voedingsgewoonten en de resultaten van een verscheidenheid aan onderzoeken.
Bij deze vergelijking vertrouwden de wetenschappers op één eenvoudig principe: de resultaten van voorspellingen van al deze methoden voor het berekenen van de biologische leeftijd mogen niet veel verschillen van de chronologische leeftijd van verpleegkundigen en medisch personeel, en tegelijkertijd de kans op hun overlijden of het krijgen van beroertes, hartaanvallen en andere ziekten correct berekenen.
Promotie video:
Deze analyse hielp hen erachter te komen dat de voorspellingsnauwkeurigheid van algoritmen die zowel biomarkers in het bloed als onderzoeksgegevens gebruiken, ongeveer hetzelfde was. Op basis van dit idee creëerden de wetenschappers een neuraal netwerk dat hen hielp bij het selecteren van de belangrijkste vragen die de auteurs van NHANES gebruikten, en het creëren van een eenvoudige, maar nauwkeurige manier om de biologische leeftijd te berekenen.
Een meer geavanceerde versie van dit algoritme, dat ook rekening houdt met verschillen in biomarkers, was in staat om de gemiddelde levensverwachting van NHANES-deelnemers correct te berekenen - 79,9 jaar, die slechts zes maanden verschilt van de officiële WHO-statistieken voor de Verenigde Staten.
Wetenschappers hopen dat hun benadering dergelijke voorspellingen niet alleen toegankelijker en nauwkeuriger maakt, maar ook helpt bij het ontdekken van andere factoren die van invloed zijn op de biologische leeftijd van een persoon door andere datasets te analyseren.
