GOLD BioAge Usa Matemáticas de Gompertz para Convertir Análisis de Sangre Rutinarios en una Puntuación de Edad Biológica

La edad cronológica es un indicador imperfecto del envejecimiento biológico. Dos personas de la misma edad calendaria pueden diferir drásticamente en función fisiológica, carga de enfermedad y esperanza de vida restante. Los relojes de edad biológica existentes —desde arrays de metilación del DNA hasta complejos modelos de aprendizaje automático— suelen requerir ensayos costosos o técnicamente exigentes que limitan su uso clínico rutinario. Este artículo presenta GOLD BioAge, un algoritmo basado en la ley de Gompertz diseñado para ser matemáticamente interpretable y prácticamente implementable.

La distribución de Gompertz describe el aumento exponencial del riesgo de mortalidad con la edad, y los autores aprovechan su función de riesgo para anclar la edad biológica al riesgo de mortalidad real. Partiendo de datos del NHANES (39.348 participantes, edad media 49,5 ± 18,0 años), aplicaron regresión LASSO-Cox para seleccionar nueve biomarcadores de un panel inicial de 26: amplitud de distribución eritrocitaria (RDW), albúmina (ALB), creatinina, fosfatasa alcalina (ALP), gamma-glutamil transferasa (GGT), recuento de leucocitos (WBC), porcentaje de linfocitos, volumen corpuscular medio (MCV) y un marcador adicional. GOLD BioAge es la suma lineal de la edad cronológica y los valores ponderados de los biomarcadores, y alcanza una correlación de R = 0,969 con la edad cronológica. La métrica clínica clave es BioAgeDiff —edad biológica menos edad cronológica—, que cuantifica directamente el envejecimiento acelerado o desacelerado a nivel individual.

En los análisis del NHANES y del UK Biobank, un mayor BioAgeDiff se correlacionó significativamente con un mayor número de enfermedades crónicas relacionadas con la edad, peor salud autoevaluada y comportamientos de estilo de vida poco saludables. Las comparaciones de referencia mostraron que GOLD BioAge superó a varios relojes de envejecimiento establecidos (incluidos phenotypic age y variantes de PCAge) en la predicción de mortalidad por todas las causas en diversos grupos de edad en ambas cohortes. El algoritmo se amplió posteriormente con datos ómicos del UK Biobank, generando GOLD ProtAge (basado en proteómica) y GOLD MetAge (basado en metabolómica), que superaron al modelo de biomarcadores clínicos en la predicción de mortalidad y riesgo de enfermedad crónica, lo que sugiere que el marco se adapta de forma natural a datos moleculares más ricos.

Reconociendo que incluso nueve biomarcadores pueden resultar impracticables en entornos con recursos limitados, el equipo desarrolló Light BioAge utilizando únicamente tres biomarcadores. Este modelo simplificado fue validado en tres cohortes longitudinales chinas independientes: CHARLS, RuLAS y CLHLS. Light BioAge predijo de forma fiable el riesgo de mortalidad en los tres conjuntos de datos, predijo la aparición de fragilidad, estratificó por riesgo a individuos ya frágiles e identificó individuos de alto riesgo cuando se combinó con la evaluación de fragilidad, lo que demuestra su generalización entre distintas poblaciones.

La contribución principal del estudio es su elegancia metodológica: al fundamentar la edad biológica directamente en la función de riesgo de Gompertz, cada coeficiente adquiere un significado biológicamente interpretable vinculado al riesgo de mortalidad. La fórmula lineal puede calcularse sin software especializado, lo que la hace adecuada para el cribado de salud en el punto de atención o a escala poblacional.