ClinicalAge nutzt Krankenakten, um das Altern zu verfolgen und Krankheitsrisiken aufzuzeigen
Eine KI-gestützte Schätzung des biologischen Alters erfasste das Krankheits- und Sterberisiko bei Millionen britischer Erwachsener, doch ihr Nutzen für die Steuerung von Behandlungen ist weiterhin unbewiesen.
Zusammenfassung
Ihre Krankengeschichte könnte Hinweise darauf enthalten, wie schnell sich Ihr Gesundheitszustand verändert. Forschende haben ClinicalAge entwickelt, ein Werkzeug mit künstlicher Intelligenz, das das Altern anhand routinemäßig erhobener medizinischer Unterlagen schätzt. Sie entwickelten es mit 320.891 Teilnehmenden der UK Biobank und werteten es anhand von Daten aus der Primärversorgung aus, die 4.728.376 Erwachsene umfassten. ClinicalAge stimmte eng mit einem etablierten Alterungsmaß überein und war mit der körperlichen Funktionsfähigkeit, zahlreichen Erkrankungen und der Sterblichkeit assoziiert. Die Alterungsverläufe begannen sich im mittleren Lebensalter bei Erwachsenen zu unterscheiden, die Erkrankungen wie Diabetes, Bluthochdruck und Depressionen entwickelten. Die Ergebnisse legen nahe, dass medizinische Unterlagen helfen könnten, Erwachsene zu identifizieren, die früher präventive Versorgung benötigen. Diese Beobachtungsstudie zeigt jedoch weder, dass die Anwendung von ClinicalAge die Ergebnisse verbessert, noch dass eine Senkung des Werts das Altern verlangsamt. Diese Zusammenfassung stützt sich ausschließlich auf das bereitgestellte Abstract, dessen angegebenes Veröffentlichungsdatum in der Zukunft liegt.
Detaillierte Zusammenfassung
Routinemäßige Krankenakten könnten zeigen, wie schnell sich die Gesundheit verschlechtert, bevor schwere Erkrankungen auftreten. Forschende haben ClinicalAge entwickelt, ein Werkzeug der künstlichen Intelligenz, das aus Gesundheitsdaten mehrerer Jahre eine Schätzung des biologischen Alters errechnet. Ziel ist es, Erwachsene zu identifizieren, die von einer früheren Prävention profitieren könnten, statt lediglich ihre Geburtstage zu zählen.
Das Team entwickelte das Modell mit 320.891 Teilnehmenden der UK Biobank und evaluierte es in separaten Daten der britischen Primärversorgung, die 4.728.376 Erwachsene umfassten. Das Modell lernte, PhenoAge, ein etabliertes, auf Bluttests basierendes Alterungsmaß, anhand von Mustern in longitudinalen Krankenakten anzunähern. Anschließend untersuchten die Forschenden Zusammenhänge mit der körperlichen Funktion, anderen Biomarkern des Alterns, Krankheitsdiagnosen und Todesfällen.
ClinicalAge erklärte etwa 82 Prozent der Variation von PhenoAge. Es war mit allen 17 untersuchten Funktionsmaßen und zehn Biomarkern des Alterns assoziiert, außerdem mit allen 20 Nicht-Krebserkrankungen, die in beiden Datensätzen untersucht wurden. Auch für die meisten Krebserkrankungen zeigten sich Zusammenhänge, wobei einige in entgegengesetzte Richtungen verliefen. Ein höheres ClinicalAge war nach Berücksichtigung gemessener klinischer und lebensstilbezogener Faktoren mit einer höheren Gesamtmortalität sowie einer höheren Krebs- und kardiovaskulären Mortalität assoziiert.
Die Gesundheitsverläufe gingen im mittleren Lebensalter auseinander, wobei sich die Alterung bei Erwachsenen, die Diabetes, Bluthochdruck, Depressionen oder sogenannte Lebensstilerkrankungen entwickelten, früher beschleunigte. Dies deutet darauf hin, dass vorhandene Krankenakten helfen könnten, Patientinnen und Patienten für eine genauere Abklärung von Blutdruck, Stoffwechselgesundheit, psychischer Gesundheit und Vorsorge zu identifizieren. Die Studie prüfte jedoch nicht, ob ein Handeln auf Grundlage von ClinicalAge die Gesundheit verbessert oder das Leben verlängert.
Dies sind beobachtende Assoziationen, kein Beweis dafür, dass das Modell einen eigenständigen biologischen Alterungsprozess misst oder dass eine Senkung des Werts Krankheiten verhindert. Unterschiede in der Dokumentation, nicht gemessene Störfaktoren und eine begrenzte geografische Vielfalt könnten die Leistung des Modells beeinflussen. Das Abstract gibt nicht an, auf welche Zunahme sich die Hazard Ratios der Mortalität beziehen, daher können sie nicht als Risikoanstieg pro Jahr interpretiert werden. Diese Zusammenfassung stützt sich ausschließlich auf das bereitgestellte Abstract; das angegebene Veröffentlichungsdatum liegt in der Zukunft und wurde nicht unabhängig anhand der Originalpublikation überprüft.
Wichtigste Erkenntnisse
- 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.
Methodik
Diese Beobachtungsstudie zur Modellentwicklung und -validierung trainierte ein Transformer-basiertes Modell anhand longitudinaler elektronischer Gesundheitsakten der UK Biobank, wobei PhenoAge als Referenz diente. Drei CPRD-Aurum-Kohorten dienten der externen Validierung, der Verlaufsanalyse und dem Vergleich mit dem elektronischen Frailty-Index. Die Forschenden untersuchten Zusammenhänge mit funktionellen Messgrößen, Biomarkern des Alterns, neu aufgetretenen Erkrankungen und der Sterblichkeit; die Mortalitätsanalysen wurden dabei um klinische und Lebensstilfaktoren adjustiert.
Studienlimitierungen
Diese Zusammenfassung basiert ausschließlich auf dem Abstract; das angegebene Veröffentlichungsdatum (12. August 2027) liegt in Bezug auf diese Bewertung in der Zukunft und wurde nicht unabhängig überprüft. Beobachtungsstudien können keine Kausalität belegen, und die Übertragbarkeit der Ergebnisse kann durch ausschließlich britische Kohorten, nicht erfasste Störfaktoren (Confounding) und Unterschiede in der Dokumentation im Gesundheitswesen eingeschränkt sein. Das Abstract nennt nicht die Expositionseinheit (das Inkrement), auf die sich die Hazard Ratios für die Sterblichkeit beziehen, und es ist nicht belegt, ob eine am Score ausgerichtete Versorgung die Ergebnisse verbessert.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben:
