Científicos crean modelos de IA que predicen tu verdadera edad biológica mediante análisis de sangre y del microbioma intestinal
Nuevas redes neuronales estiman con precisión la edad biológica con un margen de 6 años, utilizando marcadores sanguíneos o la composición del microbioma intestinal.
Resumen
Investigadores rusos desarrollaron dos modelos de inteligencia artificial altamente precisos que predicen la edad biológica mediante análisis de sangre o análisis del microbioma intestinal. Ambos modelos lograron una precisión notable, estimando la edad biológica con un margen de aproximadamente 6 años respecto a las mediciones reales. El modelo basado en sangre utiliza 7 marcadores clave, entre ellos cystatin-C, IGF-1 y DHEAS, con indicadores específicos según el sexo. El modelo del microbioma analiza 45 especies bacterianas diferentes en el intestino. Estas herramientas podrían ayudar a las personas a comprender su verdadera tasa de envejecimiento más allá de la edad cronológica, orientando potencialmente intervenciones de salud personalizadas para desacelerar el envejecimiento biológico y extender los años de vida saludable.
Resumen detallado
Comprender tu verdadera edad biológica —qué tan rápido envejece tu cuerpo en comparación con tu edad cronológica— podría ser clave para optimizar las estrategias de longevidad. Este innovador estudio de investigadores rusos demuestra que la inteligencia artificial puede predecir con precisión la edad biológica mediante dos enfoques distintos.
El equipo desarrolló modelos de redes neuronales que analizan datos de participantes para crear calculadoras de edad biológica. Un modelo utiliza siete biomarcadores sanguíneos, entre ellos cistatina-C, IGF-1 y DHEAS, con variables adicionales según el sexo: homocisteína y glucosa en mujeres, y HbA1c y testosterona libre en hombres. El segundo modelo analiza la composición de 45 especies bacterianas del microbioma intestinal.
Ambos modelos mostraron una precisión notable: predicen la edad biológica con un margen de aproximadamente 6 años y alcanzan puntuaciones de correlación superiores a 0,8 con medidas de envejecimiento establecidas como PhenoAge. Los investigadores emplearon técnicas avanzadas de interpretación de IA para comprender la contribución de cada biomarcador al cálculo final de la edad, lo que hace que los modelos sean más útiles desde el punto de vista clínico.
Estas herramientas podrían revolucionar la medicina de longevidad personalizada al proporcionar medidas objetivas de la tasa de envejecimiento. En lugar de especular sobre si las intervenciones en el estilo de vida están funcionando, las personas podrían monitorizar su edad biológica a lo largo del tiempo para verificar si su dieta, ejercicio o protocolo de suplementos está realmente desacelerando su proceso de envejecimiento. Los profesionales de la salud podrían usar estos modelos para identificar a pacientes que envejecen más rápido de lo esperado e intervenir de manera más temprana.
Si bien los resultados son prometedores, los modelos requieren validación en poblaciones diversas más allá de la cohorte rusa estudiada. El margen de precisión de 6 años, aunque impresionante, sigue representando una variabilidad considerable para la toma de decisiones a nivel individual.
Hallazgos clave
- AI models predict biological age within 6 years using blood tests or gut microbiome analysis
- Blood model uses 7 gender-specific markers including cystatin-C, IGF-1, and DHEAS
- Microbiome model analyzes 45 bacterial species to estimate aging rate
- Both models correlate strongly with established biological age measures like PhenoAge
- AI interpretation reveals which biomarkers contribute most to biological aging
Metodología
Los investigadores desarrollaron modelos de redes neuronales utilizando datos de bioquímica sanguínea y microbioma intestinal de participantes rusos. El estudio comparó las predicciones de los modelos con la edad cronológica y medidas establecidas de edad biológica como PhenoAge, utilizando algoritmos SHAP para la interpretabilidad de los modelos.
Limitaciones del estudio
Los modelos fueron desarrollados con una población rusa y requieren validación en grupos étnicos diversos. El rango de precisión de 6 años puede limitar la exactitud para decisiones de salud individuales, y se necesita validación a largo plazo de las predicciones.
¿Te ha gustado este resumen?
Recibe la última investigación sobre longevidad en tu bandeja de entrada cada semana.
Introduce tu correo electrónico para suscribirte: