Longevity & AgingArtículo de investigaciónAcceso abierto

LifeClock utiliza análisis de sangre de rutina para medir la edad biológica desde la infancia hasta la vejez

Un modelo de tipo transformer entrenado con 24,6 millones de visitas clínicas estima la edad biológica a lo largo de toda la vida y señala el riesgo futuro de enfermedad en niños y adultos.

domingo, 15 de noviembre de 2026 0 visualizaciones
Publicado en Nat Med
Glowing digital timeline from infant to elder silhouettes, overlaid with blood-test vials and flowing data streams in blue teal

Resumen

LifeClock es un reloj biológico basado en inteligencia artificial, construido a partir de historias clínicas electrónicas rutinarias y análisis de laboratorio, en lugar de metilación del DNA o datos ómicos. Los investigadores entrenaron un modelo transformer, EHRFormer, con 24,6 millones de consultas de 9,7 millones de personas de cohortes hospitalarias chinas, y luego lo probaron en cohortes externas, entre ellas UK Biobank. La fisiología pediátrica y la adulta son tan distintas que el equipo creó relojes separados: un reloj de «madurez fisiológica» para menores de 18 años y un reloj de envejecimiento para adultos. La diferencia entre la edad predicha y la edad cronológica reflejaba la presencia de enfermedad. Los niños con madurez acelerada o retrasada presentaron los trastornos del crecimiento esperables, y los adultos con una edad biológica superior a la cronológica tenían más enfermedades. Las versiones ajustadas (fine-tuned) predijeron enfermedades como diabetes, ictus y enfermedad arterial coronaria con AUC de hasta 0,98 para el diagnóstico actual y de al menos 0,8 para el riesgo futuro. El trabajo es prometedor, pero es retrospectivo y se basa en datos hospitalarios.

Resumen detallado

La mayoría de los relojes de envejecimiento están diseñados para adultos y dependen de la metilación del DNA u otros ensayos especializados. La infancia queda en gran parte fuera, aunque el desarrollo rápido en esa etapa refleja una maduración programada y no un daño acumulado. Un reloj que funcione a lo largo de toda la vida y utilice datos baratos y de rutina podría hacer práctica la evaluación de la edad biológica en la atención cotidiana.

Los investigadores desarrollaron EHRFormer, un transformer de series temporales entrenado con historias clínicas electrónicas longitudinales y pruebas de laboratorio. Los datos de entrenamiento procedían de cuatro cohortes hospitalarias de la China Healthy Aging Investigation: 9.680.764 personas y 24.633.025 visitas, a partir de 184 indicadores clínicos. El modelo utilizó enmascaramiento aleatorio de entradas y salidas para manejar los valores faltantes, y entrenamiento adversarial para eliminar las diferencias entre hospitales. También se entrenó de forma autorregresiva, de modo que la representación de cada visita refleja la trayectoria de salud de la persona. Un modelo de regresión entrenado con individuos sanos predijo la edad cronológica, y esa predicción se utilizó como edad biológica. La validación externa empleó una quinta cohorte (86.257 personas) y UK Biobank (146.087 personas).

Los datos mostraron dos regímenes diferenciados de marcadores de laboratorio, una fase pediátrica (del nacimiento a los 18 años) y una fase adulta, por lo que el equipo construyó relojes separados, lo que mejoró la precisión. El análisis SHAP mostró que los principales contribuyentes diferían casi por completo entre ambos. AST baja, creatinina alta y proteína total alta impulsaron el reloj pediátrico, mientras que urea alta, albúmina baja y amplitud de distribución eritrocitaria (RDW) alta impulsaron el reloj adulto. En UK Biobank, el modelo adulto alcanzó un error absoluto medio de 4,14 años, y la urea, la albúmina y la RDW volvieron a estar entre los principales contribuyentes.

El agrupamiento de las representaciones de las historias clínicas electrónicas produjo 64 clústeres, 14 pediátricos y 50 adultos, con trayectorias de enfermedad distintas. Los adultos con envejecimiento acelerado (brecha de edad superior a 3 d. e.) tuvieron una mayor prevalencia de enfermedad que sus pares de edad promedio en el mismo clúster, y la diferencia aumentó con el tiempo. En niños, la madurez acelerada apareció en la pubertad precoz y en los síndromes de sobrecrecimiento, y la desaceleración apareció en la pubertad retrasada, el déficit de hormona del crecimiento y el retraso del desarrollo. Algunos clústeres presentaron razones de riesgo (hazard ratios) elevadas, como 37,7 para insuficiencia renal en el clúster adulto 20 y 15,4 para hiperfunción hipofisaria en el clúster pediátrico 14. Los modelos ajustados (fine-tuned) diagnosticaron enfermedad actual con AUC de 0,94 a 0,98, incluyendo fibrilación auricular, enfermedad coronaria, ictus isquémico, diabetes y enfermedad de Parkinson. Predijeron enfermedad futura con AUC de al menos 0,8 y AUC de incidencia a 5 y 10 años de 0,80 a 0,91. Superaron a los modelos de referencia RNN y XGBoost. El riesgo pediátrico con datos anteriores a los 12 años alcanzó AUC de 0,70 a 0,96, y los grupos de alto riesgo se separaron claramente en las curvas de incidencia acumulada.

Estos resultados sugieren que los análisis de laboratorio de rutina, incluidos los valores dentro de los rangos normales, contienen información sobre la madurez, el envejecimiento y el riesgo de enfermedad que las herramientas de una sola visita pueden pasar por alto. Las salvedades son importantes. Los datos son registros hospitalarios retrospectivos, por lo que los pacientes no son representativos de la población general, y el reloj se entrena con individuos sanos definidos en un entorno clínico. La edad cronológica es el objetivo del entrenamiento, lo que puede limitar la capacidad del reloj para captar el verdadero envejecimiento biológico. Los AUC altos pueden reflejar en parte información diagnóstica ya presente en los registros, y la validación prospectiva y los desenlaces de mortalidad reforzarían las conclusiones.

Hallazgos clave

  • LifeClock was trained on 24.6 million visits from 9.7 million people and validated externally in a fifth cohort and in UK Biobank.
  • Pediatric and adult clocks rely on almost entirely different lab markers; urea, albumin and RDW drive the adult clock.
  • In UK Biobank, the adult clock reached a mean absolute error of 4.14 years, with the same top biomarkers.
  • Fine-tuned models diagnosed diabetes, stroke and coronary artery disease with AUCs of 0.97–0.98 and predicted future risk with AUCs of at least 0.8.
  • Children with growth-promoting or growth-inhibiting disorders showed accelerated or decelerated maturity relative to healthy controls.

Metodología

Estudio retrospectivo multicohorte que utilizó un modelo fundacional basado en transformers (EHRFormer) con reconstrucción enmascarada, eliminación adversarial del sesgo entre cohortes y entrenamiento autorregresivo de la siguiente visita sobre 184 indicadores clínicos y de laboratorio. La edad biológica se definió mediante modelos de regresión de la edad entrenados en personas sanas. Los modelos de enfermedad se ajustaron mediante fine-tuning y se validaron de forma interna, en una cohorte independiente y en UK Biobank, utilizando AUC, modelos de Cox y SHAP.

Limitaciones del estudio

Los datos proceden de historias clínicas hospitalarias retrospectivas, en su mayoría de cohortes chinas, por lo que es probable que existan sesgos de selección y una generalización limitada más allá de las poblaciones hospitalarias. El reloj está entrenado para predecir la edad cronológica, y no está claro hasta qué punto refleja el verdadero envejecimiento biológico. Además, el texto completo disponible termina antes de la discusión, por lo que no se recogen las limitaciones señaladas por los propios autores. Los AUC reportados para el diagnóstico actual podrían estar inflados por la información diagnóstica que ya figura en las historias clínicas, y en el texto disponible no se mostraron resultados de intervención ni de mortalidad.

¿Te ha gustado este resumen?

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

Introduce tu correo electrónico para suscribirte: