Longevity & AgingArtículo de investigaciónDe pago

ClinicalAge utiliza historiales médicos para monitorizar el envejecimiento y detectar el riesgo de enfermedades

Una estimación del envejecimiento basada en inteligencia artificial permitió seguir el riesgo de enfermedad y mortalidad en millones de adultos del Reino Unido, pero su utilidad para orientar el tratamiento aún no se ha demostrado.

viernes, 13 de noviembre de 2026 0 visualizaciones
Publicado en Lancet Digit Health
A physician reviews a middle-aged patient's health record and a line chart on a clinic computer.

Resumen

Tu historial médico puede contener pistas sobre la rapidez con la que está cambiando tu salud. Los investigadores desarrollaron ClinicalAge, una herramienta de inteligencia artificial que estima el envejecimiento a partir de historiales médicos recopilados de forma rutinaria. La desarrollaron con 320.891 participantes de UK Biobank y la evaluaron con datos de atención primaria que abarcaban 4.728.376 adultos. ClinicalAge siguió de cerca una medida establecida de envejecimiento y se asoció con la función física, numerosas enfermedades y la mortalidad. Los patrones de envejecimiento empezaron a diferenciarse en la mediana edad entre los adultos que desarrollaban afecciones como diabetes, hipertensión arterial y depresión. Los hallazgos sugieren que los historiales médicos podrían ayudar a identificar a los adultos que necesitan atención preventiva más temprana. Sin embargo, este estudio observacional no demuestra que el uso de ClinicalAge mejore los resultados de salud ni que reducir su puntuación ralentice el envejecimiento. Este resumen se basa únicamente en el resumen (abstract) proporcionado, cuya fecha de publicación indicada es futura.

0:00--:--

Resumen detallado

Los registros médicos de rutina pueden revelar con qué rapidez se deteriora la salud antes de que aparezcan enfermedades graves. Los investigadores desarrollaron ClinicalAge, una herramienta de inteligencia artificial que convierte años de historiales médicos en una estimación del envejecimiento. El objetivo es identificar a los adultos que podrían beneficiarse de una prevención más temprana, en lugar de limitarse a contar sus cumpleaños.

El equipo desarrolló el modelo con 320 891 participantes del UK Biobank y lo evaluó en datos independientes de atención primaria del Reino Unido que abarcaban 4 728 376 adultos. El modelo aprendió a aproximar PhenoAge, una medida de envejecimiento consolidada basada en análisis de sangre, a partir de patrones en historiales médicos longitudinales. Después, los investigadores examinaron sus vínculos con la función física, otros biomarcadores de envejecimiento, diagnósticos de enfermedades y muerte.

ClinicalAge explicó alrededor del 82 % de la variación de PhenoAge. Se asoció con las 17 medidas funcionales y los diez biomarcadores de envejecimiento evaluados, además de con las 20 enfermedades no oncológicas estudiadas en ambos conjuntos de datos. También aparecieron asociaciones con la mayoría de los cánceres, aunque algunas fueron en sentido opuesto. Un valor más alto de ClinicalAge se asoció con mayor mortalidad global, por cáncer y cardiovascular, tras tener en cuenta los factores clínicos y de estilo de vida medidos.

Las trayectorias de salud divergieron durante la mediana edad, con una aceleración más temprana en adultos que desarrollaron diabetes, hipertensión, depresión o afecciones descritas como trastornos relacionados con el estilo de vida. Esto sugiere que los registros existentes podrían ayudar a señalar a pacientes para una evaluación más detallada de la presión arterial, la salud metabólica, la salud mental y la atención preventiva. Sin embargo, el estudio no analizó si actuar a partir de ClinicalAge mejora la salud o prolonga la vida.

Se trata de asociaciones observacionales, no de una prueba de que el modelo mida un proceso de envejecimiento biológico distinto ni de que reducir su puntuación prevenga enfermedades. Las diferencias en el registro de datos, los factores de confusión no medidos y la limitada diversidad geográfica podrían afectar a su rendimiento. El resumen del estudio no especifica el incremento en el que se basan los cocientes de riesgo de mortalidad, por lo que no pueden interpretarse como aumentos del riesgo por año. Este resumen utiliza únicamente el abstract proporcionado; su fecha de publicación indicada es futura y no se ha verificado de forma independiente con la publicación original.

Hallazgos clave

  • ClinicalAge approximated PhenoAge with an R² of 0.819; this measures agreement with a reference biomarker, not accuracy in predicting lifespan.
  • Development included 320,891 UK Biobank participants; evaluation used primary care data covering 4,728,376 adults.
  • ClinicalAge was associated with all 17 functional measures, ten aging biomarkers, and all 20 noncancer diseases assessed.
  • Midlife trajectories diverged earlier among adults developing diabetes, hypertension, depression, or conditions described as lifestyle disorders.
  • The study did not establish whether ClinicalAge-guided prevention improves outcomes or whether reducing its score slows aging.

Metodología

Este estudio observacional de desarrollo y validación de modelos entrenó un modelo basado en transformadores con historias clínicas electrónicas longitudinales del UK Biobank, utilizando PhenoAge como referencia. Tres cohortes de CPRD Aurum permitieron la validación externa, el análisis de trayectorias y la comparación con el índice electrónico de fragilidad. Los investigadores evaluaron las asociaciones con medidas funcionales, biomarcadores del envejecimiento, enfermedades incidentes y mortalidad, ajustando los análisis de mortalidad según factores clínicos y de estilo de vida.

Limitaciones del estudio

Este resumen se basa únicamente en el abstract; la fecha de publicación proporcionada, el 12 de agosto de 2027, es posterior a la fecha de esta evaluación y no se ha verificado de forma independiente. Las asociaciones observacionales no pueden establecer causalidad, y el uso de cohortes exclusivamente del Reino Unido, la posible presencia de factores de confusión no medidos y las diferencias en el registro de datos sanitarios pueden limitar la generalización de los resultados. El abstract no indica el incremento de la exposición al que corresponden los cocientes de riesgo (hazard ratios) de mortalidad, ni establece si la atención guiada por la puntuación mejora los resultados clínicos.

¿Te ha gustado este resumen?

Recibe la última investigación sobre longevidad en tu bandeja de entrada cada semana.

Introduce tu correo electrónico para suscribirte: