In questo interessante studio si sarebbero fatti importanti passi avanti nella stima dell’età biologica delle persone grazie all’intelligenza artificiale, scopriamo di più!

Età biologica, invecchiamento ed intelligenza artificiale

In medicina l’invecchiamento è considerato quel processo della vita in cui si assiste al progressivo e inesorabile declino delle funzioni biologiche, che espone l’individuo a un aumentato rischio di sviluppare malattie croniche e neoplastiche.

L’invecchiamento è sicuramente un fattore legato all’età anagrafica del soggetto, ma è indiscutibile che persone nate nello stesso anno mostrino spesso segni biologici di invecchiamento differenti, ovvero non tutti invecchiano allo stesso modo. Per tale ragione è spesso utile distinguere l’età cronologica, ossia il tempo trascorso dalla nascita, dall’età biologica, che è invece legata allo status attuale e all’invecchiamento.

L’età biologica è un importante parametro da valutare in quanto una persona, seppure anziana, può risultare più “giovane” di un coetaneo anagrafico, magari perché presenta un maggior grado di autonomia e di indipendenza nella vita di tutti i giorni. Dunque studiare l’età biologica è un’ottima strategia per promuovere interventi di salute volti a supportare processi di invecchiamento in buona salute.

Alcuni programmi di prima generazione si basavano su parametri come l’età cronologica e alcuni biomarcatori sanguigni per stimare l’età biologica di un individuo, mentre la sfida odierna consiste nel considerare aspetti molto più complessi come l’epigenomica e la proteomica. I modelli più avanzati di machine learning rappresentano a tal riguardo un ottimo mezzo di analisi.

Caratteristiche dello studio

• Tipo di studio: Progetto di collaudo di un framework computazionale a scopo medico-epidemiologico.
• Luogo: USA.

Scopo dello studio: l’intelligenza artificiale è in grado di predire l’età biologica?

Gli ideatori di questo studio pioneristico hanno voluto testare le performances di ENABL Age, un software complesso che integra modelli di machine learning e di intelligenza artificiale spiegabile [1] al fine di predire l’età biologica di un individuo, stimandone il grado di invecchiamento.

Progettazione

Lo studio si è basato su un iniziale processo di raccolta dati, attinti da due grandi biobanche di informazioni sanitarie, tra cui la UK BioBank.

Successivamente tutte queste informazioni sono state analizzate da calcolatori computazionali di machine learning e di XAI [1], integrando anche dati provenienti dalle analisi del sangue, dai questionari compilati e dagli studi di genomica avanzata.

Risultati

Le prove di sperimentazione degli orologi biologici ideati in seno al progetto ENABL Age hanno prodotto i seguenti risultati:

• sono stati in grado di distinguere in maniera significativa l’età cronologica dall’età biologica dei soggetti coinvolti;
• hanno previsto con grande accuratezza la mortalità a 5 anni e a 10 anni dei soggetti coinvolti nello studio;
• ogni orologio è stato in grado di analizzare varie sfaccettature dell’invecchiamento, anche facendo ricorso alle analisi di tipo GWAS [2].

Conclusioni

Il programma computazionale ENABL Age ha raggiunto importanti traguardi nella stima della determinazione dell’età biologica delle persone e del loro grado di invecchiamento, sfruttando tecniche di machine learning e di AI spiegabile.

I risultati di questi studi sono sicuramente utili alla comunità medica internazionale per comprendere tutti gli intricati meccanismi che l’invecchiamento sottende, sfruttabili nelle varie decisioni cliniche sui pazienti.

Fonti e note:

ARTICOLO ORIGINALE: Qiu W, Chen H, Kaeberlein M et al. Explainable biological age (enabl age): An artificial intelligence framework for interpretable biological age. The Lancet Healthy Longevity. 2023 Dec;4(12).

Nota 1. L’intelligenza artificiale spiegabile, spesso abbreviata in XAI (eXplainable Artificial Intelligence), si riferisce alla capacità di sistemi di intelligenza artificiale di fornire spiegazioni o ragionamenti comprensibili e trasparenti riguardo alle loro decisioni e funzionamenti.

Nota 2. Gli studi GWAS (Genome-Wide Association Studies) sono un tipo di studio condotto in genetica umana. Essi mirano a identificare le varianti genetiche associate a specifiche malattie, caratteristiche fenotipiche o risposte a trattamenti farmacologici su larga scala.