IA pronostica esperanza de vida con análisis de sangre
Un estudio exhaustivo del Instituto de Psiquiatría, Psicología y Neurociencia del King’s College de Londres, Reino Unido, evaluó los relojes de envejecimiento basados en inteligencia artificial (IA), que predicen la salud y la esperanza de vida mediante datos de la sangre. Dicho análisis se publicó en Science Advances y estudió la capacidad de algoritmos de aprendizaje automático para desarrollar relojes biológicos de envejecimiento con datos de metabolitos.
Los investigadores entrenaron y probaron 17 algoritmos de aprendizaje automático, con datos sobre marcadores en la sangre de más de 225 mil 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 de su cuerpo según unos marcadores en la sangre llamados metabolitos, los cuales son 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 desacelera.
El envejecimiento metabolómico acelerado se asocia a peor salud
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.
Sin embargo, el envejecimiento biológico desacelerado (con una edad predicha por metabolitos menor que la edad cronológica) solo vinculaban débilmente con una salud óptima. 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.
Regresión basada en reglas cubistas
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. «A diferencia de la edad cronológica, que no se puede cambiar, nuestra edad biológica es potencialmente modificable», explicó el autor principal del estudio, Julian Mutz.
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.
