Crónico En un estudio pionero publicado en la prestigiosa revista Nature Aging, investigadores han aprovechado el potencial del aprendizaje automático para revelar marcadores vitales para un envejecimiento saludable, distintos de los riesgos de enfermedades crónicas. Este enfoque innovador promete revolucionar nuestra comprensión del envejecimiento y allanar el camino para modelos más completos del envejecimiento saludable y las enfermedades comunes.
Descubriendo los secretos del envejecimiento saludable
La "hipótesis de la gerociencia" ha sugerido desde hace tiempo que abordar los procesos universales de envejecimiento podría conducir a un envejecimiento más saludable, una mayor esperanza de vida y una reducción de enfermedades relacionadas con la edad, como la diabetes mellitus tipo 2 (DT2), las enfermedades cardiovasculares (ECV), la enfermedad renal crónica (ERC), la enfermedad hepática (HE) y la enfermedad pulmonar obstructiva crónica (EPOC). Sin embargo, la compleja interacción entre el envejecimiento y estas enfermedades ha planteado un desafío para los investigadores que buscan establecer la causalidad.
Para abordar este desafío, los científicos recurrieron a las historias clínicastron(HCE) como una rica fuente de datos para capturar las trayectorias de salud de millones de personas a lo largo del tiempo. Este vasto conjunto de datos, que abarca 4,57 millones de personas de entre 30 y 85 años, se obtuvo de la base de datos de Clalit Healthcare Services, lo que proporciona una perspectiva integral y a largo plazo sobre la salud.
El aprendizaje automático desatado
El equipo de investigación desarrolló un potente modelo de aprendizaje automático paradentmarcadores clínicos predictivos de un envejecimiento saludable sin enfermedades. Inicialmente, se centraron en pacientes mayores de 80 años y analizaron pruebas de laboratorio correlacionadas con la longevidad. Este enfoque les permitió identificar indicadores tempranos cruciales del envejecimiento saludable, como el recuento de neutrófilos y los niveles de fosfatasa alcalina, en diversos individuos de Israel, el Reino Unido y los Estados Unidos de América.
Curiosamente, las capacidades predictivas del modelo se extendieron más allá de los 85 años, lo que lo convierte en una herramienta valiosa para evaluar las probabilidades de supervivencia incluso a los 30 años.
Marcadores distintivos del envejecimiento saludable
El estudio reveló que marcadores clínicos específicos tenían distintos grados de importancia en las distintas etapas de la vida. Por ejemplo, la fosfatasa alcalina tuvo un mayor impacto en los adultos jóvenes, mientras que la glucosa y el colesterol fueron influyentes en la adultez media. Por el contrario, la albúmina y el ancho de distribución de glóbulos rojos (RDW) se volvieron más significativos a medida que las personas envejecían.
Además, factores clave como el índice de masa corporal, los niveles de creatinina y las enzimas hepáticas fueron cruciales para predecir el riesgo de enfermedades crónicas a lo largo de la vida. Sorprendentemente, individuos muy sanos mostraron consistentemente bajos indicadores de riesgo de enfermedades crónicas.
Hallazgos sólidos y globales
La robustez del modelo de aprendizaje automático se confirmó en diferentes poblaciones, incluyendo individuos de Israel, Estados Unidos y el Reino Unido. Demostró un poder predictivo considerable de la longevidad, incluso en personas sin predisposición conocida a enfermedades.
Además, el estudio reveló una conexión significativa entre las puntuaciones de longevidad y la esperanza de vida familiar. Los padres de individuos con puntuaciones de longevidad más altas enjde un año más de vida en promedio, lo que sugiere un componente genético en la longevidad.
Implicaciones y direcciones futuras
Esta investigación pionera ofrece una perspectiva innovadora sobre la intrincada relación entre el envejecimiento y las enfermedades crónicas. Aldentmarcadores distintivos del envejecimiento saludable, este estudio sienta las bases para el desarrollo de modelos integrales y longitudinales que trascienden las representaciones estáticas del envejecimiento y la enfermedad.
Sin embargo, se requiere mayor investigación para deficon precisión un «estado de salud» y profundizar en los procesos fisiológicos subyacentes a los hallazgos relacionados con la enfermedad revelados en este estudio. Los investigadores también recomiendan emplear modelos multivariados de riesgo de enfermedad para mejorar nuestra comprensión de los estudios de asociación genómica.
Este estudio marca un paso significativo para desentrañar los misterios del envejecimiento saludable y las enfermedades relacionadas con la edad. Al aprovechar el poder del aprendizaje automático y analizar amplios datos de salud, los investigadores están mejor preparados para abordar los procesos fundamentales del envejecimiento y promover una vida más sana y sin enfermedades para todos. El futuro de la investigación sobre el envejecimiento se presenta prometedor a medida que los científicos continúan desvelando los secretos de una vida más larga y saludable.
