Longevity & AgingArtigo CientíficoAcesso Aberto

LifeClock usa exames de sangue de rotina para acompanhar a idade biológica da infância até a velhice

Um modelo transformer treinado com 24,6 milhões de consultas clínicas estima a idade biológica ao longo da vida e identifica o risco futuro de doenças em crianças e adultos.

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

Resumo

O LifeClock é um relógio biológico de IA construído a partir de prontuários eletrônicos de rotina e exames laboratoriais, em vez de metilação do DNA ou dados de ômicas. Os pesquisadores treinaram um modelo transformer, o EHRFormer, com 24,6 milhões de consultas de 9,7 milhões de pessoas em coortes de hospitais chineses e, em seguida, o testaram em coortes externas, incluindo o UK Biobank. A fisiologia pediátrica e a adulta são tão diferentes que a equipe criou relógios separados: um relógio de "maturidade fisiológica" para menores de 18 anos e um relógio de envelhecimento para adultos. A diferença entre a idade prevista e a idade cronológica acompanhou a presença de doenças. Crianças com maturidade acelerada ou atrasada apresentaram os distúrbios de crescimento esperados, e adultos com idade biológica acima da cronológica tiveram mais doenças. Versões ajustadas (fine-tuned) do modelo previram doenças como diabetes, acidente vascular cerebral (AVC) e doença arterial coronariana, com AUCs de até 0,98 para o diagnóstico atual e de pelo menos 0,8 para o risco futuro. O trabalho é promissor, mas retrospectivo e baseado em dados hospitalares.

Resumo Detalhado

A maioria dos relógios do envelhecimento é construída para adultos e depende de metilação do DNA ou de outros ensaios especializados. A infância fica em grande parte de fora, embora o desenvolvimento rápido nessa fase reflita uma maturação programada, e não dano acumulado. Um relógio que funcione ao longo de toda a vida e use dados baratos e de rotina poderia tornar prática a avaliação da idade biológica no cuidado do dia a dia.

Os pesquisadores desenvolveram o EHRFormer, um transformer de séries temporais treinado com prontuários eletrônicos longitudinais e exames laboratoriais. Os dados de treinamento vieram de quatro coortes hospitalares do China Healthy Aging Investigation: 9.680.764 pessoas e 24.633.025 consultas, partindo de 184 indicadores clínicos. O modelo usou mascaramento aleatório de entradas e saídas para lidar com valores ausentes, e treinamento adversarial para eliminar diferenças entre hospitais. Também foi treinado de forma autorregressiva, de modo que a representação de cada consulta reflete a trajetória de saúde da pessoa. Um modelo de regressão treinado em indivíduos saudáveis previu a idade cronológica, e essa previsão serviu como idade biológica. A validação externa usou uma quinta coorte (86.257 pessoas) e o UK Biobank (146.087 pessoas).

Os dados mostraram dois regimes distintos de marcadores laboratoriais, uma fase pediátrica (do nascimento aos 18 anos) e uma fase adulta, então a equipe construiu relógios separados, o que melhorou a precisão. A análise SHAP mostrou que os principais contribuintes diferiram quase por completo entre eles. AST baixa, creatinina alta e proteína total alta conduziram o relógio pediátrico, enquanto ureia alta, albumina baixa e amplitude de distribuição dos glóbulos vermelhos (RDW) alta conduziram o relógio adulto. No UK Biobank, o modelo adulto alcançou um erro absoluto médio de 4,14 anos, com ureia, albumina e RDW novamente entre os principais contribuintes.

O agrupamento das representações dos prontuários eletrônicos produziu 64 clusters, 14 pediátricos e 50 adultos, com trajetórias de doença distintas. Adultos com idade acelerada (diferença de idade acima de 3 desvios-padrão) tiveram maior prevalência de doenças do que pares com idade média no mesmo cluster, e a diferença aumentou com o tempo. Em crianças, a maturidade acelerada apareceu na puberdade precoce e em síndromes de crescimento excessivo, e a desaceleração apareceu na puberdade tardia, na deficiência de hormônio do crescimento e no atraso do desenvolvimento. Alguns clusters apresentaram razões de risco (hazard ratios) elevadas, como 37,7 para insuficiência renal no cluster adulto 20 e 15,4 para hiperfunção da hipófise no cluster pediátrico 14. Modelos ajustados (fine-tuned) diagnosticaram doença atual com AUCs de 0,94 a 0,98, incluindo fibrilação atrial, doença arterial coronariana, AVC isquêmico, diabetes e doença de Parkinson. Eles previram doenças futuras com AUCs de pelo menos 0,8 e AUCs de incidência em 5 e 10 anos de 0,80 a 0,91. Superaram os modelos de referência RNN e XGBoost. O risco pediátrico, usando dados anteriores aos 12 anos, alcançou AUCs de 0,70 a 0,96, e os grupos de alto risco se separaram claramente nas curvas de incidência cumulativa.

Esses resultados sugerem que exames laboratoriais de rotina, inclusive valores dentro das faixas normais, contêm informações sobre maturidade, envelhecimento e risco de doença que ferramentas baseadas em uma única consulta podem não captar. As ressalvas são importantes. Os dados são prontuários hospitalares retrospectivos, portanto os pacientes não são representativos da população geral, e o relógio é treinado em indivíduos saudáveis definidos em um contexto clínico. A idade cronológica é o alvo do treinamento, o que pode limitar o quanto o relógio captura o envelhecimento biológico real. AUCs altas podem refletir em parte informações diagnósticas já presentes nos prontuários, e a validação prospectiva e desfechos de mortalidade fortaleceriam as conclusões.

Principais Descobertas

  • 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.

Metodologia

Estudo retrospectivo multicoorte que utilizou um modelo de base do tipo transformer (EHRFormer), com reconstrução mascarada, debiasing adversarial entre coortes e treinamento autorregressivo da próxima consulta, aplicado a 184 indicadores laboratoriais e clínicos. A idade biológica foi definida por modelos de regressão da idade treinados em indivíduos saudáveis. Os modelos de doenças passaram por ajuste fino (fine-tuning) e foram validados internamente, em uma coorte independente e no UK Biobank, utilizando AUC, modelos de Cox e SHAP.

Limitações do Estudo

Os dados são registros hospitalares retrospectivos, em sua maioria de coortes chinesas, portanto é provável que haja viés de seleção e generalização limitada para além de populações hospitalares. O relógio é treinado para prever a idade cronológica, e não está claro até que ponto isso reflete o envelhecimento biológico real. Além disso, o texto completo disponível termina antes da discussão, de modo que as limitações declaradas pelos autores não são abordadas. As AUCs relatadas para o diagnóstico atual podem estar infladas por informações diagnósticas já presentes nos registros, e nenhum desfecho de intervenção ou de mortalidade foi apresentado no texto disponível.

Gostou deste resumo?

Receba as pesquisas de longevidade mais recentes na sua caixa de entrada toda semana.

Digite seu e-mail para assinar: