Longevity & AgingPressemitteilung

Immorta Bio enthüllt KI-Framework zur Echtzeit-Verfolgung des biologischen Alterns

Ein neues Präzisionsmedizin-Konzept kombiniert Multi-Omics, KI, digitale Zwillinge und Blockchain, um über einzelne Biomarker hinauszugehen und das Altern kontinuierlich zu kartieren.

Donnerstag, 13. August 2026 0 Aufrufe
Veröffentlicht in Longevity.Technology
Article visualization: Immorta Bio Unveils AI Framework to Track Biological Aging in Real Time

Zusammenfassung

Immorta Bio hat gemeinsam mit Theriome Inc und dem American Board of Precision Medicine ein Framework veröffentlicht, das vorschlägt, biologisches Altern nicht anhand eines einzigen perfekten Biomarkers zu verstehen, sondern durch Tausende von Signalen, die mittels KI integriert werden. Die im Journal of Translational Medicine veröffentlichte Perspektive argumentiert, dass Multi-Omics-Daten, digitale Zwillingsmodelle und blockchain-gesicherte Patientenakten zu einem kontinuierlich lernenden klinischen System verknüpft werden können. Frühe metabolomische Daten von über 2.000 Personen identifizierten neun Metaboliten, die sich konsistent mit dem Alter verändern – ein Machbarkeitsnachweis für diesen Ansatz. Die Autoren sehen vor, statische jährliche Blutuntersuchungen durch eine dynamische, in Echtzeit erstellte Prognose des biologischen Alters zu ersetzen, die erkennen kann, ob Therapien wirken, bevor Symptome auftreten.

Detaillierte Zusammenfassung

Die Langlebigkeitsforschung hat lange nach einem einzigen, definitiven Biomarker des Alterns gesucht – einem Protein oder Molekül, das das biologische Alter auf einen Blick offenbaren könnte. Ein neues Perspektivpapier im Journal of Translational Medicine, verfasst von Immorta Bio gemeinsam mit Theriome Inc und dem American Board of Precision Medicine, stellt diese Annahme direkt in Frage. Die Autoren argumentieren, dass kein einzelner Marker die Komplexität des menschlichen Alterns erfassen kann, und dass der eigentliche Fortschritt darin liegt, ein einheitliches System aufzubauen, das Tausende biologischer Signale gleichzeitig verknüpft.

Der vorgeschlagene Rahmen stützt sich auf vier Säulen: Multi-Omics (umfassendes molekulares Profiling aus Genomik, Proteomik und Metabolomik), Künstliche Intelligenz zur Auswertung der gewonnenen Daten, digitale Zwillinge – virtuelle Abbilder einer Person, erstellt aus deren Gesundheitsdaten – sowie Blockchain, um Patienten die souveräne Kontrolle über ihre Daten zu geben. Gemeinsam sollen diese Werkzeuge die Medizin von periodischen Momentaufnahmen hin zu etwas wie einer kontinuierlichen, personalisierten biologischen Wettervorhersage verschieben.

Als vorläufigen Machbarkeitsnachweis analysierte das Team metabolomische Daten von mehr als 2.000 Personen und identifizierte neun Metaboliten, die sich konsistent mit dem Alter verändern. Der Befund wird als explorativ und nicht als abschließend beschrieben, verdeutlicht jedoch, wie eine breite Datenerhebung altersbezogene Muster aufdecken kann, die bei gezielteren Tests verborgen blieben.

Die praktischen Implikationen sind erheblich. Kliniker könnten eines Tages Behandlungsstrategien am digitalen Zwilling eines Patienten testen, bevor sie diese im realen Leben verschreiben, und die biologische Alterungsgeschwindigkeit – wie schnell jemand altert – verfolgen, anstatt sich allein auf das chronologische Alter zu verlassen. Dies würde eine frühere Erkennung ermöglichen, ob eine Intervention das Altern tatsächlich auf molekularer Ebene verlangsamt.

Die Einschränkungen sind real. Das Papier ist ein Perspektivbeitrag und keine klinische Studie, und die neun identifizierten Metaboliten sind vorläufig. Die Integration von Blockchain und digitalen Zwillingen im klinischen Maßstab bleibt technisch und regulatorisch komplex. Eine unabhängige Validierung der metabolomischen Befunde sowie Praxisstudien des Gesamtkonzepts werden unerlässlich sein, bevor diese Vision zur Routinepraxis werden kann.

Wichtigste Erkenntnisse

  • Nine metabolites consistently changed with age across a metabolomic dataset of 2,000+ individuals, serving as a proof-of-concept.
  • A four-pillar framework — multi-omics, AI, digital twins, and blockchain — is proposed to replace single-biomarker aging tests.
  • Digital twins could allow clinicians to simulate treatment outcomes before applying them to real patients.
  • Continuous biological monitoring may enable detection of therapy efficacy before any symptoms appear or worsen.
  • Patient-owned, blockchain-secured health data is central to making the system trustworthy and scalable.

Methodik

Dies ist ein Perspektivartikel, der im Journal of Translational Medicine veröffentlicht wurde. Das bedeutet, er stellt einen konzeptionellen Rahmen vor und keine primären experimentellen Daten. Die Glaubwürdigkeit der Quelle ist als moderat bis gut einzustufen, da es sich um eine von Experten begutachtete Fachzeitschrift handelt und benannte institutionelle Partner beteiligt sind. Der metabolomische Befund aus einer Kohorte von 2.000 Personen wird als explorativ beschrieben und wurde noch nicht unabhängig validiert.

Studienlimitierungen

Der Artikel ist ein Perspektivbeitrag und keine randomisierte Studie oder prospektive Kohortenstudie, was die Aussagekraft seiner Evidenzansprüche einschränkt. Die neun altersbedingten Metaboliten sind vorläufiger Natur und müssen in unabhängigen Kohorten repliziert werden. Der vollständige klinische Einsatz digitaler Zwillinge und einer Blockchain-basierten Datenverwaltung steht vor erheblichen technischen, regulatorischen und Interoperabilitätshürden, die in der Publikation nicht behandelt werden.

Hat dir diese Zusammenfassung gefallen?

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

E-Mail-Adresse zum Abonnieren eingeben: