Artikel zur Langlebigkeit

Neuartige KI-basierte Alterungsuhr sagt das menschliche Alter mit beispielloser Genauigkeit voraus

Neuartige KI-basierte Alterungsuhr sagt das menschliche Alter mit beispielloser Genauigkeit voraus

Wir sind an einem Punkt in der Geschichte angelangt, an dem künstliche Intelligenz (KI) das Innenleben des menschlichen Gehirns nachahmen kann. Als Deep Learning bekannte Algorithmen können Daten verarbeiten, um Objekte zu erkennen, Sprache zu erkennen, Sprachen zu übersetzen und Entscheidungen zu treffen. Diese KI stand in jüngster Zeit wegen ihrer Rolle beim Antrieb selbstfahrender Autos und der Erstellung viraler Deep-Fake-Videos im Rampenlicht der Öffentlichkeit.

Jetzt wird Deep Learning verwendet, um das biologische Alter zu schätzen – wie alt Ihre Zellen sind, was ein besserer Indikator für Ihr tatsächliches Alter zu sein scheint als Ihr chronologisches Alter. Das in Hongkong ansässige Unternehmen Deep Longevity kürzlich angekündigt die Entwicklung von DeepMAge, der bislang möglicherweise genauesten Alterungsuhr. DeepMAge kann dabei helfen, Anti-Aging-Interventionen zu entwickeln oder altersbewussten Menschen dabei zu helfen, ihr Tempo des Alterns zu verstehen und möglicherweise zu beeinflussen.

Das disruptive Potenzial von KI-Lösungen in der Wissenschaft

Deep-Learning-Algorithmen sind vor allem für ihre Leistungen in der Text-, Ton- und Bildverarbeitung bekannt. Mittlerweile sind die zu Forschungszwecken entwickelten KI-Instanzen in der Öffentlichkeit deutlich weniger bekannt. Dies deutet jedoch nicht auf einen Mangel an Fortschritt oder Relevanz hin. Im Gegenteil könnten hochmoderne Deep-Learning-Modelle in Biologie, Chemie und Medizin möglicherweise die Gesundheits- und Pharmaindustrie revolutionieren.

Beispielsweise können in der Pharmakologie Deep-Learning-Methoden eingesetzt werden, um das Arzneimitteldesign zu optimieren. Mithilfe eines Deep-Neural-Network-Generators wurde ein niedermolekularer Inhibitor entdeckt, dessen vorteilhafte Eigenschaften bei lebenden Tieren innerhalb von drei Wochen nach Beginn des computergestützten Experiments festgestellt wurden. Bei Verwendung traditioneller iterativer Designmethoden würde die gleiche Ziel-zu-Treffer-Phase des Medikamentendesigns Monate oder sogar Jahre dauern.

Bei der Differenzialdiagnose von Hirnerkrankungen oder der Messung von Blutflussparametern auf Basis von Magnetresonanztomographie-Aufnahmen (MRT) leisten Deep-Learning-Modelle bereits ähnliche Leistungen wie ausgebildete Fachkräfte. Klinische KI-Systeme wie diese können verwendet werden, um Untersuchungszeiten deutlich zu verkürzen und Gesundheitsrisiken zu quantifizieren, was letztendlich den Durchsatz und die Kosteneffizienz eines Gesundheitssystems erhöht.

 hochmoderne Deep-Learning-Modelle in Biologie, Chemie und Medizin könnten möglicherweise die Gesundheits- und Pharmaindustrie revolutionieren.

Was haben Blut, Mikrobiome und DNA-Modifikationen gemeinsam?

Bei der Untersuchung des biologischen Alterns wurden alle möglichen Datentypen analysiert, um eine Reihe neuartiger Altersprädiktoren zu erstellen. Beispielsweise wurde gezeigt, dass Altersvorhersagen, die anhand von Blutmessungen getroffen wurden, mit dem Sterblichkeitsrisiko verbunden sind. Diese spezielle Alterungsuhr verwendet Standardblutparameter, die während einer typischen Untersuchung gemessen werden, wie z. B. Glukose, Cholesterin und Thrombozytenzahl.

Heutzutage werden verschiedene Ansätze des maschinellen Lernens getestet, um das menschliche Alter anhand von Merkmalen auf molekularer Ebene vorherzusagen. Unter diesen ist Deep Learning ein besonders vielversprechender Ansatz, mit dem mithilfe von Daten zur Blutbiochemie oder zum Mikrobiom genaue Uhren konstruiert werden können – Leistungen, die andere Algorithmen nicht erreichen konnten.

Viele Forscher haben mithilfe von Sequenzierungsdaten Altersvorhersagemodelle mit hoher Genauigkeit erstellt, die auf altersabhängigen Veränderungen an bestimmten DNA-Standorten basieren. Eine wachsende Zahl von Studien hat gezeigt, dass Veränderungen in den Mustern der Modifikationen der DNA einer Person im Laufe ihres Lebens einen starken Zusammenhang mit dem Alter und altersbedingten Folgen aufweisen. 

Die ersten Alterungsuhren, die auf Sequenzierungsdaten basieren, die aus Modifikationen an bestimmten DNA-Stellen gewonnen wurden, stammen aus dem Jahr 2013. Diese ersten Studien untersuchten das Ausmaß einer Modifikation namens DNA-Methylierung an Dutzenden oder Hunderten von DNA-Stellen, sogenannten CpG-Stellen. Es gab andere Implementierungen, die dasselbe Konzept verwendeten. Zusammengenommen zeigen sie, dass es mehrere Sätze von DNA-Positionen gibt, die verwendet werden können, um eine vergleichbare Genauigkeit bei der Vorhersage des biologischen Alters zu erreichen.

DeepMAge: Eine mit Deep Learning entwickelte DNA-Methylierungs-Alterungsuhr

Deep Longevity, ein in Hongkong ansässiges Langlebigkeits-Startup, kürzlich veröffentlicht es ist eine Interpretation der alternden Uhr in der Altern und Krankheit tagebuch. Ihr Algorithmus DeepMAge ist die erste Deep-Learning-Alterungsuhr, die auf DNA-Methylierung basiert. Es wurde darauf trainiert, das menschliche Alter anhand von mehr als 6.000 DNA-Methylierungsstellen vorherzusagen. Durch die Analyse der Methylierungsmuster kann DeepMAge das menschliche Alter innerhalb einer Fehlertoleranz von drei Jahren schätzen, was genauer ist als jede andere menschliche Alterungsuhr.

DeepMAge kann auch Menschen mit verschiedenen gesundheitlichen Problemen wie Eierstockkrebs, Reizdarmerkrankungen und Multipler Sklerose ein höheres vorhergesagtes Alter zuordnen. DeepMAge lieferte beispielsweise deutlich höhere Altersvorhersagen (um durchschnittlich 1,23 Jahre) für Menschen mit Reizdarmerkrankungen im Vergleich zu gesunden Menschen.

Die Gene, in denen sich die DeepMAge-CpGs befinden, sind mit solchen angereichert, die an Entwicklungsprozessen beteiligt sind, insbesondere für das Herz und das Nervensystem. Das Verständnis der Wechselwirkungen, an denen die identifizierten Gene während des Alterungsprozesses beteiligt sind, kann für die Verjüngungsforschung nützlich sein.

Durch die Analyse von DNA-Methylierungsmustern kann DeepMAge das menschliche Alter innerhalb einer Fehlertoleranz von drei Jahren schätzen, was genauer ist als jede andere menschliche Alterungsuhr.

Blick in die biologisch alternde Kristallkugel

Diese Studie zeigt, dass Deep-Learning-Algorithmen verwendet werden können, um individuelle DNA-Methylierungslandschaften im Kontext des Alterns zu erkunden, und dass sie möglicherweise dazu verwendet werden können, das Risiko bestimmter altersbedingter Ereignisse in der Zukunft abzuschätzen. Weitere Forschung ist erforderlich, um die Reproduzierbarkeit und Robustheit von DeepMAge in unabhängigen Längsschnittstudien zu untersuchen.

Doch egal wie ausgefallen oder futuristisch der Algorithmus ist, er wird wahrscheinlich nie narrensicher sein und genau bestimmen können, wie viel Zeit uns noch zu leben bleibt. Um es mit den Worten des produktiven dänischen Schriftstellers Hans Christian Andersen zu sagen, der vor allem durch seine Märchen bekannt ist: „Genieße das Leben. Es gibt genügend Zeit, tot zu sein.“



Älterer Eintrag Neuerer Beitrag