健康

研究者は人工知能の「老化時計」を比較して健康と寿命を予測

キングス・カレッジ・ロンドンの精神医学・心理学・神経科学研究所（IoPPN）の研究者らは、血液データを使用して健康状態と寿命を予測する人工知能ベースの老化時計を評価するための包括的な研究を実施した。 研究者らは、募集時の年齢が40歳から69歳までの22万5,000人を超える英国バイオバンク参加者の血液中のマーカーのデータを使用して、17の機械学習アルゴリズムを訓練し、テストした。彼らは、さまざまなメタボローム老化時計が寿命をどの程度正確に予測するか、またこれらの時計が健康と老化の尺度にどの程度確実に関連しているかを調査しました。 人の代謝年齢、つまり「マイレージ」は、代謝産物と呼ばれる血液中のマーカーに基づいて、その人の体の内部がどのくらいの年齢であると思われるかを示す尺度です。代謝産物は、食物がエネルギーに分解されるときなど、代謝の過程で生成される小さな分子です。人の代謝物から予測される年齢と実年齢との差は、MileAge デルタと呼ばれ、生物学的老化が加速しているか減速しているかを示します。 この研究は、 科学の進歩 また、世界最大級のデータセットの 1 つを活用して、代謝物データを使用して生物学的老化時計を開発する能力について、さまざまな機械学習アルゴリズムを包括的に比較した最初の企業です。この研究は国立保健医療研究研究所 (NIHR) モーズリー生物医学研究センター (BRC) から資金提供を受け、英国バイオバンクのデータを使用しました。 老化が加速している人（つまり、代謝物から予測される年齢が実年齢よりも高い人）は、平均して虚弱で、慢性疾患を患う可能性が高く、健康状態が悪く評価され、死亡リスクが高かった。彼らはまた、細胞の老化のマーカーであり、アテローム性動脈硬化症などの加齢に関連する疾患と関連しているテロメア（染色体の末端にある「キャップ」）が短かった。しかし、生物学的老化の減速（代謝物から予測される年齢が実年齢よりも若い）と健康状態との関連性は弱いだけでした。 老化時計は、健康低下の初期の兆候を発見するのに役立ち、病気が発症する前に予防戦略や介入を可能にする可能性があります。また、人々が自分の健康状態を積極的に追跡し、より良いライフスタイルを選択し、より長く健康を維持するための措置を講じることも可能になるかもしれません。 IoPPNのキングスプライズ研究員であり、この研究の筆頭著者であるジュリアン・ムッツ博士は、「メタボロミクス老化時計は、誰が後年に健康上の問題を発症するリスクがより高いかについての洞察を提供する可能性を秘めています。実年齢とは異なります。これらの時計は、生物医学および健康研究のための生物学的年齢の代替測定値を提供し、個人のライフスタイルの選択を形成し、医療サービスが実施する予防戦略に役立つ可能性があります。この研究では、エージング クロックを開発するための幅広い機械学習アプローチを評価し、非線形アルゴリズムがエージング信号の捕捉に最適であることを示しました。」 遺伝疫学および統計学の教授であり、NIHRモーズリーBRCの治験、ゲノミクスおよび予測テーマの共同副責任者であり、この研究の上級著者であるキャスリン・ルイス教授は、次のように述べています。「老化を正確に評価する時計の開発には大きな関心が寄せられています」この研究は、生物学的老化時計の可能性とその能力を確立する上で重要なマイルストーンとなります。健康に関する選択を知らせます。」 研究者らは、キュビストルールベース回帰と呼ばれる特定の機械学習アルゴリズムを使用して開発されたメタボロミクス時計が、ほとんどの健康マーカーと老化マーカーと最も強く関連していることを発見した。彼らはまた、代謝産物と年齢の間の非線形関係をモデル化できるアルゴリズムが、一般に、健康と寿命に関する生物学的信号を捕捉するのに最も優れたパフォーマンスを発揮することも発見した。 #研究者は人工知能の老化時計を比較して健康と寿命を予測