Longevity & AgingForschungsarbeitOpen Access

KI kartiert, wie jedes Organ altert – und die Ergebnisse unterscheiden sich überraschend stark

Ein neues Analyse-Framework wertet mehr als 25.000 Gewebebiopsien aus und zeigt, dass Organe entlang unterschiedlicher, nichtlinearer Verläufe altern – und oft gemeinsam abbauen.

Mittwoch, 2. September 2026 5 Aufrufe
Veröffentlicht in Nat Aging
A grid of colorful human tissue biopsy slides under a microscope, showing cross-sections of different organs including muscle, blood vessel, and intestinal tissue, in a bright modern pathology lab

Zusammenfassung

Forschende haben ein KI-Werkzeug namens PathStAR entwickelt, das gewöhnliche mikroskopische Gewebeschnitte untersucht und misst, wie sich die physische Struktur eines Organs mit dem Alter verändert. Anders als bestehende Alterungsuhren wurde es nicht darauf trainiert, das chronologische Alter vorherzusagen. Stattdessen vergleicht es die Gewebestruktur verschiedener Altersgruppen, um zu erkennen, wann sich die Veränderungen beschleunigen. Das Team analysierte 25.306 postmortale Biopsien aus 40 Geweben von 970 Spenderinnen und Spendern im Alter von 21 bis 70 Jahren. Die Organe alterten nicht gleichmäßig. Die Blutgefäße veränderten sich am schnellsten in den 30ern, Gebärmutter und Vagina veränderten sich am stärksten rund um die Menopause, und der Verdauungstrakt sowie die männlichen Fortpflanzungsorgane zeigten zwei Phasen starker Veränderung, in den 30ern und in den 50ern. Phasen schneller Strukturveränderung teilten eine molekulare Signatur: zunehmende Entzündung bei gleichzeitig sinkender Energieproduktion, Reparatur und Qualitätskontrolle. Die Organe alterten zudem innerhalb derselben Person gemeinsam, und Sexualhormone scheinen das Verdauungssystem und die männlichen Fortpflanzungsorgane miteinander zu verknüpfen.

Detaillierte Zusammenfassung

Altern ist der größte Risikofaktor für die meisten chronischen Erkrankungen, und molekulare Alterungsuhren haben die Abschätzung des Risikos präziser gemacht. Die physische Architektur der Gewebe, also die Organisation von Zellen, Blutgefäßen und extrazellulärer Matrix, bildet jedoch die Grundlage der Organfunktion und wurde bisher selten systematisch im ganzen Körper erfasst. Die meisten bestehenden Histologie-Uhren sind zudem darauf trainiert, das chronologische Alter vorherzusagen, was voraussetzt, dass Altern linear verläuft. Diese Studie ging der Frage nach, wann und wie sich die Gewebestruktur verschlechtert und ob Organe unabhängig voneinander oder im Gleichschritt altern.

Das Team entwickelte PathStAR (Pathology-based Structural Aging Rate) und wandte es auf Daten des Genotype-Tissue Expression (GTEx) an: 25.306 Hämatoxylin-Eosin-Ganzschnittbilder von 970 nicht erkrankten Spendern im Alter von 21 bis 70 Jahren (66,4 % Männer), die 40 Gewebe und etwa 30,3 Millionen Bildausschnitte (Patches) abdeckten. Ein vortrainiertes Pathologie-Foundation-Modell (UNI) wandelte jeden Schnitt in einen morphologischen Fingerabdruck um. Die strukturelle Alterungsrate wurde anschließend durch den Vergleich gleitender 10-Jahres-Altersfenster berechnet, und die Abweichung jeder Person von der Populationstrajektorie wurde bewertet. Es wurde kein Modell auf das Alter trainiert.

Der Eierstock diente als Machbarkeitsnachweis. In 250 Eierstockproben identifizierte PathStAR eine bimodale Trajektorie mit Beschleunigungsspitzen im Alter von 35 bis 40 Jahren, passend zum Rückgang der Fruchtbarkeit, und von 55 bis 60 Jahren, passend zur Menopause. Die ersten beiden Hauptkomponenten erklärten r2 = 0,43 des Alters. Dieselbe unüberwachte Analyse mit passenden Genexpressions- und Methylierungsdaten konnte die beiden Spitzen nicht reproduzieren. Beim ersten Gipfel waren Entzündungswege hochreguliert (TNF via NFKB, IL2-STAT5). Beim zweiten waren TGF-β, die epithelial-mesenchymale Transition und Zellzyklus-Signalwege herunterreguliert.

Im ganzen Körper ließen sich 15 Gewebe mit klarem Alterssignal (r2 > 0,15, mindestens 200 Proben) drei Mustern zuordnen. Arterien, darunter die Arteria tibialis und die Koronararterien, alterten früh mit einem Gipfel in den 30ern, und Annotationen für Atherosklerose nahmen in diesem Jahrzehnt am steilsten zu. Uterus und Vagina alterten spät, mit einem Gipfel in den frühen bis mittleren 50ern. Neun der 14 Gewebe außer dem Eierstock waren biphasisch, mit Gipfeln um die 30er und 50er Lebensjahre, darunter Speiseröhre, Magen, Dickdarm, Dünndarm, Speicheldrüse, Prostata und Hoden. Postmortale Artefakte erklärten in fast allen Geweben weniger als 10 % der Varianz, mit Ausnahme der Prostata. Die Ergebnisse wurden mit drei weiteren Foundation-Modellen weitgehend reproduziert.

Die Beschleunigungsphasen teilten eine molekulare Signatur. Entzündungsprogramme (TNF, Interferon alpha und gamma, Komplement) nahmen zu, während oxidative Phosphorylierung, Proliferation (E2F, G2M, MYC) und Qualitätskontrolle (Unfolded-Protein-Response, DNA-Reparatur, mTORC1) abnahmen. Der Rückgang des Peroxisom-Signalwegs war spezifisch für Arterien, und der Hoden zeigte die stärkste Unterdrückung der Spermatogenese (NES −3,04) zusammen mit Immunaktivierung. Zwischen der ersten und zweiten Beschleunigungsphase nahmen die Antworten auf frühes Östrogen, spätes Östrogen und Androgen in 9/10, 8/10 bzw. 8/10 Geweben ab, während die Signalwege der Unfolded-Protein-Response, der DNA-Reparatur und der reaktiven Sauerstoffspezies in 8/10, 7/10 bzw. 7/10 Geweben zunahmen. Die Werte innerhalb einer Person korrelierten zwischen verwandten Geweben, beispielsweise bei Organen des Magen-Darm-Trakts mit r = 0,20 bis 0,43.

Die Arbeit legt nahe, dass geroprotektive Strategien künftig möglicherweise nach Organ zeitlich abgestimmt und gezielt eingesetzt werden könnten, zum Beispiel Gefäßschutz in den 30ern. Einschränkungen sind wichtig: Die Daten sind postmortale Querschnittsmomentaufnahmen und keine Verlaufsbeobachtung von Einzelpersonen, und die Kohorte ist überwiegend männlich. Nur 15 von 40 Geweben lieferten Trajektorien mit hoher Konfidenz. Die molekularen Zusammenhänge sind korrelativ, und einige P-Werte der Trajektorien wurden nicht für multiples Testen adjustiert.

Wichtigste Erkenntnisse

  • PathStAR analyzed 25,306 H&E biopsies from 40 tissues in 970 donors aged 21–70 (66.4% male) without training on chronological age
  • Ovary structural aging showed two peaks at ages 35–40 and 55–60, matching fertility decline and menopause; expression and methylation profiles failed to reproduce this bimodal pattern
  • Three temporal programs emerged: arteries aged early (peak in the 30s), uterus and vagina aged late (early to mid 50s), and 9 of 14 non-ovary tissues were biphasic (30s and ~50s)
  • Post-mortem artifacts (RIN, autolysis, ischemic time) explained under 10% of structural aging variance in nearly all tissues, with prostate the exception
  • Acceleration periods across tissues combined upregulated inflammation (TNF, interferon, complement) with suppressed oxidative phosphorylation, proliferation, DNA repair, and mTORC1 signaling
  • Estrogen early, estrogen late, and androgen response pathways fell between the first and second acceleration periods in 9/10, 8/10, and 8/10 tissues, with the steepest drops in esophagus, GEJ, and stomach
  • Peroxisome pathway decline occurred only in arteries, and testis showed the strongest spermatogenesis suppression (NES −3.04) with immune activation
  • Individuals who aged faster in one tissue tended to age faster in related tissues, e.g., colon, esophagus, and stomach (r = 0.20–0.43)

Methodik

Die Studie nutzte post-mortem aufgenommene H&E-Gesamtschnittbilder (Whole-Slide-Images, ×20) der GTEx-Datenbank von 970 nicht erkrankten Spendern. Daraus ergaben sich 25.306 Biopsien aus 40 Geweben und etwa 30,3 Millionen Patches. Der UNI Vision Transformer erzeugte 1.024-dimensionale Patch-Embeddings, die per Mean-Pooling zu einer Repräsentation pro Schnittbild zusammengefasst wurden. Die strukturelle Alterungsrate wurde als Effektstärke zwischen aufeinanderfolgenden 10-Jahres-Altersfenstern quantifiziert, die in 1-Jahres-Schritten verschoben wurden. Delta-Scores der strukturellen Alterung erfassten die individuelle Abweichung von den Verlaufskurven der Population. Die molekulare Analyse stützte sich auf zweiseitige Welch-t-Tests und vorab nach Rang geordnete GSEA (10.000 Permutationen) anhand zugeordneter Bulk-Expressions- und Methylierungsdaten. Die Robustheit wurde mit UNI v2, CONCH v1.5 und Virchow2 überprüft.

Studienlimitierungen

Die Daten stammen aus Querschnitts-Post-mortem-Proben der GTEx-Datenbank. Die Verläufe werden daher über verschiedene Spender hinweg abgeleitet und nicht innerhalb einzelner Personen verfolgt. Zudem besteht die Kohorte überwiegend aus Männern und umfasst nur das Altersspektrum von 21 bis 70 Jahren. Nur 15 von 40 Geweben erfüllten die Kriterien für Verläufe mit hoher Konfidenz, und einige P-Werte der Verläufe wurden nicht für multiple Vergleiche adjustiert. Die molekularen Zusammenhänge sind korrelativ, und der bereitgestellte Text enthält keine Erklärung zu Interessenkonflikten.

Hat dir diese Zusammenfassung gefallen?

Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.

E-Mail-Adresse zum Abonnieren eingeben: