Штучний інтелект навчився визначати темп старіння

Міжнародна група вчених представила другу версію біомаркера Fram­ing­ham­PACE, який оцінює не біологічний вік людини, а швидкість вікових змін в організмі. Інструмент базується на аналізі метилювання ДНК і розроблений за допомогою методів машинного навчання. Стаття вже опублікована, однак поки не пройшла незалежне рецензування й не підтверджує можливість клінічного застосування показника.

Основою для моделі стали дані Fram­ing­ham Heart Study Off­spring Cohort — одного з найтриваліших досліджень здоров’я кількох поколінь учасників. Автори адаптували метод Pace of Aging, що раніше був створений на матеріалах дослідження Dunedin, під набір даних із різним віком учасників і нерівномірними інтервалами спостережень.

Модель побудована на змінах 17 показників крові та функцій органів, зібраних упродовж восьми обстежень із 1971 по 2008 рік. Для тренування використали дані метилювання ДНК 2069 учасників і дві архітектури машинного навчання. Версія на основі elas­tic net охоплювала 1123 ділянки CpG, а модель ridge regres­sion — 14 465 таких ділянок. На тестовій вибірці обидві моделі пояснювали близько 47% і 46% варіації розрахованого темпу старіння відповідно.

Додаткові перевірки засвідчили високу відтворюваність результатів: у технічних повторах із досліджень LOLIPOP і CARDIA коефіцієнт узгодженості перевищував 0,95. Вищі значення Fram­ing­ham­PACE корелювали з коротшим періодом життя без серйозних захворювань і меншою загальною тривалістю життя в кількох спостережних групах.

Важливим підтвердженням стали результати рандомізованого дослідження CALERIE: у групі учасників із обмеженням калорійності раціону показник знижувався, що збігалося зі змінами іншого біомаркера старіння — Duned­in­PACE. Це свідчить про те, що Fram­ing­ham­PACE здатний реагувати на втручання, спрямовані на уповільнення старіння.

Проте самі автори наголошують на обмеженнях розробки. Fram­ing­ham­PACE наразі залишається дослідницьким інструментом, а не клінічним. Щоб застосовувати його в медицині, потрібне додаткове тестування на різних популяціях і докази того, що зміна показника справді пов’язана з реальним покращенням стану здоров’я.