Simple Science

最先端の科学をわかりやすく解説

# 計量生物学# 定量的手法# 機械学習

生物学的年齢と健康リスクの関連性

この研究は、BrainAgeとMetaboAgeが健康結果をどう予測するかを調べてるよ。

― 1 分で読む


生物学的年齢と健康リスク生物学的年齢と健康リスク付けている。研究が生物学的年齢スコアを死亡予測に関連
目次

老化は誰もが経験する自然なプロセスなんだ。でも、それが健康にどう影響するかを理解するのは難しいこともある。科学者たちは、いろんなテストを使って人の生物学的年齢を推定する方法を作ったんだ。この方法は、脳の状態や血液中の化学物質など、体の中のいろんな指標を見てる。この研究では、MRIスキャンを使った方法と血液検査を使った方法の二つが、健康に関する結果、特に死のリスクを予測するのにどれだけ役立つかを調べてるんだ。

生物学的年齢スコア

生物学的年齢は、実際の年齢とは違う指標なんだ。年齢は単に生まれてからの年数だけど、生物学的年齢はその人の体の機能を考慮するんだ。研究者たちは、いろんな生物学的マーカーに基づいたスコアを開発して、生物学的年齢を推定しようとしてる。このスコアは、特に年を取るにつれてその人の健康をより明確に理解するのに役立つんだ。

研究内容

研究者たちは、2つの特定の生物学的年齢スコアを見てる:

  1. BrainAge:これは脳のMRIスキャンに基づいてる。脳の構造と健康を評価することで生物学的年齢を推定するんだ。
  2. MetaboAge:これは血液検査によって代謝物を測定するスコア。MetaboAgeは全体的な代謝の健康を理解するのに役立ち、糖尿病や心不全などの健康問題との関連が示されてる。

チームは、センシティブなデータを直接共有せずに複数の機関が協力できる方法であるフェデレーテッドラーニングを使って、3つの異なるグループの年齢スコアを分析したんだ。

参加者と方法

この研究には、3つの主要な健康研究からの参加者が含まれてる:

  1. ロッテルダム研究 (RS):加齢に関連する病気に影響を与える要因を理解するために高齢者を対象にしてる。
  2. マーストリヒト研究 (TMS):中年の人々における糖尿病リスクを理解することを目的にしてる。
  3. ライデン長寿研究 (LLS):長生きしている家族に焦点を当ててる。

参加者は、MRIと血液検査のデータの両方があるかどうか評価された。この評価は彼らの健康を包括的に見るのに役立ったんだ。

研究者たちは、MRIスキャンを使ってBrainAgeスコアを作成し、血液サンプルからMetaboAgeスコアを計算するために以前に開発されたモデルを適用した。これらのスコアを計算した後、彼らは時間の経過とともにどれだけ死亡率を予測できるか見てた。

BrainAgeモデルの結果

BrainAgeモデルは、異なる研究からのローカルデータを使って訓練され、他のグループの人々の年齢をどれだけ正確に予測できるか評価された。結果は、フェデレーテッドモデルが1つのグループだけで訓練されたモデルよりも予測誤差が低いことを示してた。要するに、フェデレーテッドアプローチは、異なるバックグラウンドの参加者データにモデルを適用する際の精度を向上させたんだ。

参加者の年齢をモデルに調整すると、フェデレーテッドアプローチは異なる集団間でより一貫した結果をもたらした。

MetaboAgeモデル

MetaboAgeモデルも血液検査データを使って生物学的年齢を計算し評価するために同様に適用された。このモデルも注目すべき年齢バイアスを示していて、つまり高齢者に対して若い年齢を予測する傾向があったんだ。

MetaboAgeとBrainAgeの関係を探る中で、研究者たちはこの2つのスコアの間にわずかな相関があることを見つけた。でも、年齢を調整するとこの相関は減少し、両スコアが健康に関する重複するけど異なる情報を提供していることを示唆してる。

BrainAgeとMetaboAgeの関連

研究はBrainAgeとMetaboAgeを比較して、これら2つのスコアがどのように相互に相関しているかを調べた。結果は、これらのスコアの間に弱いけど重要な関係があることを示してた。年齢や他の要因を調整した後、この関係はかなり減少した。

性別、糖尿病の状態、体重指数(BMI)などの他の変数を加えても、関連性は大きく変わらず、主なリンクはやっぱり年齢に依存してるかもしれないって示してる。

生存分析

研究者たちは、BrainAgeとMetaboAgeの両方を使って死亡までの時間を予測するために生存分析を行った。参加者をスコアに基づいてグループに分け、そのグループの時間の経過による結果を見てた。

生物学的年齢が実年齢を超えている参加者(高いBrainAgeとMetaboAgeを持つ)は、スコアによって「若い」ように見える参加者よりも生存率が低かった。結果は、生物学的年齢スコアが低い人たちが一般的に生存の見込みが良いことを強調してる。

主要な発見と意義

この研究は、BrainAgeとMetaboAgeスコアを一緒に使うことで、健康の状況、特に死亡予測に関してより明確な理解を提供できることを示してる。この生物学的年齢の組み合わせは、健康や老化の異なる側面を区別するのに役立つかもしれないし、年齢が健康に与える影響について新たな洞察を提供するんだ。

制限事項

結果は期待できるけど、この研究には限界がある。関与した集団の多様性は、結果の一般化を制限する可能性がある。それに、研究の死亡事象の数は比較的少なかったから、生存分析の結果の信頼性に影響を与えるかもしれない。

今後の方向性

この研究は、異なる指標からの生物学的年齢スコアを組み合わせて、老化する個人の健康理解を深めるさらなる研究を提案してる。いろんなバイオマーカーを統合するための高度なモデルを使うことで、老化が健康に与える影響をより深く理解できるかもしれないし、早期に健康リスクを特定するのにも役立つだろう。

結論

この研究は、BrainAgeとMetaboAgeが死亡予測とどのように関係するかを調査することで、生物学的老化の理解を深めてる。結果は、これらのスコアが個人の健康状態や将来の健康リスクに関する有用な情報を提供できることを示していて、老化研究と健康予測の重要な一歩を示すものなんだ。さらに研究が進めば、これらの発見は老化する人々の健康評価や適切な介入に繋がるかもしれない。

オリジナルソース

タイトル: MRI-based and metabolomics-based age scores act synergetically for mortality prediction shown by multi-cohort federated learning

概要: Biological age scores are an emerging tool to characterize aging by estimating chronological age based on physiological biomarkers. Various scores have shown associations with aging-related outcomes. This study assessed the relation between an age score based on brain MRI images (BrainAge) and an age score based on metabolomic biomarkers (MetaboAge). We trained a federated deep learning model to estimate BrainAge in three cohorts. The federated BrainAge model yielded significantly lower error for age prediction across the cohorts than locally trained models. Harmonizing the age interval between cohorts further improved BrainAge accuracy. Subsequently, we compared BrainAge with MetaboAge using federated association and survival analyses. The results showed a small association between BrainAge and MetaboAge as well as a higher predictive value for the time to mortality of both scores combined than for the individual scores. Hence, our study suggests that both aging scores capture different aspects of the aging process.

著者: Pedro Mateus, Swier Garst, Jing Yu, Davy Cats, Alexander G. J. Harms, Mahlet Birhanu, Marian Beekman, P. Eline Slagboom, Marcel Reinders, Jeroen van der Grond, Andre Dekker, Jacobus F. A. Jansen, Magdalena Beran, Miranda T. Schram, Pieter Jelle Visser, Justine Moonen, Mohsen Ghanbari, Gennady Roshchupkin, Dina Vojinovic, Inigo Bermejo, Hailiang Mei, Esther E. Bron

最終更新: Sep 2, 2024

言語: English

ソースURL: https://arxiv.org/abs/2409.01235

ソースPDF: https://arxiv.org/pdf/2409.01235

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。

著者たちからもっと読む

類似の記事

微生物学アメリカシロヒゲネズミで新しいウイルスが見つかったよ:ブラリナ・ブレビカウダウイルス

科学者たちが北部のショートテイルシュルーで新しいパラヘニパウイルスを特定して、健康への懸念が高まってる。

― 1 分で読む