慢性 権威ある学術誌「Nature Aging」に掲載された画期的な研究において、研究者らは機械学習の力を活用し、慢性疾患リスクとは異なる、健康的な老化の重要なマーカーを明らかにしました。この革新的なアプローチは、老化に関する私たちの理解に革命をもたらし、健康的な老化と一般的な疾患に関するより包括的なモデルへの道を開くものと期待されます。
健康的な老化の秘密を解き明かす
「ジェロサイエンス仮説」は、普遍的な老化プロセスを標的とすることで、より健康的な老化、寿命の延長、そして2型糖尿病（T2D）、心血管疾患（CVD）、慢性腎臓病（CKD）、肝疾患（LD）、慢性閉塞性肺疾患（COPD）といった加齢関連疾患の減少につながる可能性を長年示唆してきました。しかし、老化とこれらの疾患の複雑な相互作用は、因果関係を解明しようとする研究者にとって課題となっています。
この課題に対処するため、科学者たちはtron健康記録（EHR）を、数百万人の個人の健康の軌跡を時系列で捉える豊富なデータソースとして活用しました。30歳から85歳までの457万人を網羅するこの膨大なデータセットは、クラリット・ヘルスケア・サービス・データベースから取得され、健康に関する包括的かつ長期的な視点を提供します。
機械学習の解放
研究チームは、病気のない健康的な老化を予測する臨床マーカーをdentための強力な機械学習モデルを開発しました。当初は80歳以上の患者に焦点を当て、寿命と相関する臨床検査値を解析しました。このアプローチにより、イスラエル、英国、アメリカ合衆国の多様な人々において、好中球数やアルカリホスファターゼ値といった健康的な老化の重要な初期指標を正確に特定することができました。
興味深いことに、このモデルの予測能力は 85 歳を超えてまで拡張されており、30 歳という早い年齢でも生存確率を評価するための貴重なツールとなっています。
健康的な老化の識別マーカー
この研究では、特定の臨床マーカーが人生の様々な段階で異なる程度の重要性を持つことが分かりました。例えば、アルカリホスファターゼは若年成人に大きな影響を与え、血糖値とコレステロールは中年成人期に影響を与えました。一方、アルブミンと赤血球分布幅（RDW）は、年齢が上がるにつれて重要性が高まりました。
さらに、BMI（ボディマス指数）、クレアチニン値、肝酵素といった主要な因子は、生涯にわたる疾患リスクの予測において極めて重要でした。驚くべきことに、非常に健康な個人は、慢性疾患リスクの指標が一貫して低い値を示していました。
堅牢かつグローバルな調査結果
機械学習モデルの堅牢性は、イスラエル、米国、英国の個人を含む様々な集団において確認されました。既知の疾患素因を持たない個人においても、寿命の予測力は著しく高いことが示されました。
さらに、この研究では、長寿スコアと家族の寿命の間に注目すべき関連性が明らかになりました。長寿スコアが高い人の親は平均して1年長生きして enj、長寿には遺伝的要素があることが示唆されています。
意味と将来の方向性
この画期的な研究は、老化と慢性疾患の複雑な関係性に新たな視点を提示しています。健康的な老化の明確な指標をdentすることで、本研究は、老化と疾患の静的な表現を超えた包括的かつ縦断的なモデルの開発への道を開きます。
しかし、「健康状態」を正確に defiし、本研究で明らかにされた疾患関連の知見の根底にある生理学的プロセスを深く掘り下げるには、さらなる調査が必要です。研究者らはまた、ゲノムワイド関連研究への理解を深めるために、多変量疾患リスクモデルの活用を推奨しています。
この研究は、健康的な老化と加齢関連疾患の謎を解明する上で大きな前進となります。機械学習の力を活用し、広範な健康データを分析することで、研究者は根本的な老化プロセスに着目し、すべての人々がより健康で病気のない生活を送ることができるよう、より優れた能力を備えることができます。科学者たちがより長く健康的な人生を送るための秘密を解き明かし続けるにつれ、老化研究の未来は明るいものとなります。
