基于人工智能的“衰老时钟”使用血液标记来预测健康和寿命
作者：by King's College London
伦敦国王学院精神病学、心理学和神经科学研究所 (IoPPN) 的研究人员进行了一项全面研究，以评估基于人工智能的衰老时钟，该时钟利用血液数据预测健康和寿命。
研究人员使用超过 225,000 名英国生物银行参与者（招募时年龄在 40 至 69 岁）的血液标记数据来训练和测试 17 种机器学习算法。他们研究了不同代谢组衰老时钟预测寿命的效果，以及这些时钟与健康和衰老指标的关联程度。
一个人的代谢年龄，即“里程年龄”，是根据血液中称为“里程年龄”的标记来衡量其身体内部年龄的指标。代谢物。代谢物是小分子它们是在新陈代谢过程中产生的，例如当食物分解成能量时。
一个人的代谢物预测年龄与实际年龄之间的差异（称为 MileAge delta）表明他们是否生物老化被加速或减速。
该研究是发表在科学进步并且是第一个全面比较不同机器学习算法利用代谢数据开发生物衰老时钟的能力，利用全球最大的数据集之一。
平均而言，加速衰老的个体（即代谢物预测年龄比实际年龄大）更虚弱，更有可能出现慢性病，认为他们的健康状况更差，并且死亡风险更高。他们的端粒也较短，这是细胞衰老的标志，与动脉粥样硬化等与年龄相关的疾病有关。
然而，减缓生物衰老（代谢物预测年龄小于实际年龄）与健康状况的关系微弱。
衰老时钟可以帮助发现健康状况下降的早期迹象，从而在疾病发作之前采取预防策略和干预措施。它们还可以让人们主动追踪自己的健康状况，做出更好的生活方式选择，并采取措施保持更长时间的健康。
IoPPN 国王奖研究员、该研究的主要作者朱利安·穆茨 (Julian Mutz) 博士表示：“代谢组学衰老时钟有可能帮助我们了解哪些人在晚年更有可能出现健康问题。
“与无法改变的实际年龄不同，我们的生物年龄是可以改变的。这些时钟为生物医学和生物医学领域提供了生物年龄的替代衡量标准。健康研究，这可以帮助塑造个人的生活方式选择，并为卫生服务机构实施的预防策略提供信息。
“我们的研究评估了用于开发老化时钟的各种机器学习方法，表明非线性算法在捕获老化信号方面表现最佳。”
Cathryn Lewis 教授是遗传流行病学与统计学教授、NIHR Maudsley BRC 试验、基因组学和预测主题联合副负责人，也是该研究的资深作者，她说：“人们对开发能够准确评估衰老时钟的兴趣浓厚。我们的生物时代，强大的大数据分析可以在推进这些工具方面发挥关键作用。
“这项研究是建立生物衰老时钟的潜力及其为健康选择提供信息的能力的一个重要里程碑。”
研究人员发现，使用特定的机器学习算法（称为基于立体规则的回归）开发的代谢组时钟与大多数健康和衰老标志物密切相关。
他们还发现，可以模拟代谢物和年龄之间非线性关系的算法通常在捕获有关健康和寿命的生物信号方面表现最好。
更多信息：Julian Mutz，代谢组学年龄 (MileAge) 预测健康和寿命：多种机器学习算法的比较，科学进步（2024）。DOI：10.1126/sciadv.adp3743。www.science.org/doi/10.1126/sciadv.adp3743引文
:基于人工智能的“衰老时钟”使用血液标记来预测健康和寿命（2024 年，12 月 18 日）检索日期：2024 年 12 月 19 日来自 https://medicalxpress.com/news/2024-12-ai-based-aging-clocks-blood.html
本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外，不得未经书面许可，不得复制部分内容。所提供的内容仅供参考。
关于《基于人工智能的“衰老时钟”使用血液标记来预测健康和寿命》的评论
暂无评论