באמצעות בינה מלאכותית מבוססת שנאים, מדענים יצרו שעון ביולוגי מלא במחזור החיים המנבא סיכון עתידי למחלות וחושף את המקצבים הביולוגיים הנפרדים של גדילה והזדקנות.
מחקר: שעון ביולוגי של מחזור חיים מלא המבוסס על נתונים קליניים שגרתיים והשפעתו על בריאות ומחלות. קרדיט תמונה: vectorfusionart / Shutterstock
במחקר שנערך לאחרונה בכתב העת רפואת טבעחוקרים מתארים ומאמתים מודל חדשני של בינה מלאכותית (AI) שאומן להשתמש ברשומות בריאות אלקטרוניות שגרתיות (EHRs) כדי לקבוע גיל ביולוגי לאורך כל תוחלת החיים של האדם.
המודל, שנקרא "LifeClock", זיהה שני שעונים נפרדים, אחד להתפתחות ילדים ואחר להזדקנות מבוגרים, ויכול לחזות את הסיכון למחלות עיקריות שנים לפני התרחשותן. מסגרת זו מציעה כלי חזק ובעלות נמוכה לקידום בריאות מדויקת, נגישות ורפואה מותאמת אישית.
רֶקַע
הגיל הכרונולוגי, מספר השנים שבהן אנו חיים, ממונף זה מכבר כמדד הסיכון למחלה כרונית, שאינה מידבקת, של אדם. עם זאת, המחקר המודרני התמקד יותר ויותר בגיל ביולוגי (BA), מדד לנזק המצטבר של הגוף ולירידה התפקודית בהשוואה לממוצע.
מחקרים אחרונים חשפו את המדד האחרון כמנבא טוב בהרבה של סיכון ותמותה למחלות, שכן לשני אנשים באותו גיל כרונולוגי יכולים להיות פרופילים בריאותיים שונים בתכלית בשל שילובים של גנטיקה ואורח חיים.
שיטות מוקדמות להערכת BA הסתמכו על נתונים מולקולריים מורכבים ויקרים (למשל, דפוסי מתילציה של DNA). למרות שהם יעילים, "שעונים מזדקנים" אלה היו לעתים קרובות מוגבלים בהיקף.
פער קריטי במחקר היה היעדר שעון ביולוגי שיכול לחצות את כל מחזור החיים של האדם, במיוחד את השלבים המכריעים של הינקות והילדות. נמצא כי שינויים פיזיולוגיים במהלך תקופות אלו מייצגים התפתחות תסריטאית ולא נזק הקשור להזדקנות.
המחקר, לפיכך, מחפש דרך נגישה יותר לנטר מסלולי בריאות מלידה ואילך באמצעות נתונים זמינים באופן נרחב כגון רשומות רפואיות אלקטרוניות (EHR).
על המחקר
המחקר הנוכחי התייחס לפער הידע הזה על ידי הצגת "LifeClock", שעון ביולוגי הבנוי על מודל בינה מלאכותית (AI) רבת עוצמה המבוססת על שנאים בשם EHRFormer, המשתמש במיסוך סטוכסטי כפול של קלט-פלט כדי לטפל בנתונים דלילים, אימון יריב לביטול השפעות אצווה ועיצוב אוטורגרסיב לניבוי אורך.
המודל הוכשר באמצעות מערך נתונים נרחב מפרויקט China Health Aging Investigation (CHAI). מערך הנתונים כלל 24.6 מיליון ביקורים קליניים אורכיים מ-9.6 מיליון אנשים ייחודיים. נתונים אורכיים אלה, העוקבים אחר מטופלים לאורך זמן, כללו 184 אינדיקטורים קליניים שגרתיים כגון תוצאות בדיקות מעבדה וסימנים חיוניים.
מודל ה-EHRFormer תוכנן ליצור "ייצוג דיגיטלי" של בריאות על ידי ניתוח רצף הביקורים הקליניים ורישומי EHR השגרתיים הקשורים אליהם. הארכיטקטורה של המודל כללה אסטרטגיות מתוחכמות להתמודדות עם אתגרים נפוצים בנתונים רפואיים, כגון זקיפת ערכים חסרים וביטול השפעות אצווה (שינויים בין בתי חולים או ציוד). המודל הוכשר על סמך נתונים מאנשים בריאים כדי לקבוע קו בסיס להתפתחות תקינה והזדקנות.
לבסוף, המחקר העריך את ביצועי המודל על מערכי נתונים פנימיים וחיצוניים נפרדים, כולל הביובנק הבריטי, ובכך הבטיח שחיזוייו היו חזקים וניתנים להכללה על פני אוכלוסיות שונות.
ממצאי מחקר
ניתוחי המחקר חשפו שני שעונים ביולוגיים שונים ונפרדים: (1) "שעון התפתחות" לאנשים מתחת לגיל 18, ו-2) "שעון מזדקן" למבוגרים. אימון מודלים מיוחדים לכל שלב שיפר משמעותית את דיוק הניבוי, תוך הדגשת תהליכים ביולוגיים שונים במהלך התפתחות לעומת הזדקנות.
הסמנים הביולוגיים שהניעו את השעונים הללו היו שונים כמעט לחלוטין. שעון הילדים הושפע מאוד מסמנים הקשורים לגדילה, כגון קריאטינין ורמות חלבון גבוהות. לעומת זאת, נמצא כי השעון למבוגרים מונע על ידי אינדיקטורים של ירידה הקשורה לגיל, כולל אוריאה גבוהה, אלבומין נמוך ורוחב פיזור תאי אדום גבוה (RDW).
למרבה המעודד, שני השעונים הוכיחו יעילות רבה בניבוי סיכון למחלה. שעון הילדים חזה במדויק את הסיכון העתידי למצבים כמו תת-תזונה, גדילה והפרעות התפתחותיות (כולל מחסור בהורמון גדילה).
לדוגמה, ניתוח של נתוני EHR מילדים מתחת לגיל 12 יכול לנבא אילו אנשים באשכול 14 היו בסיכון גבוה יותר לפתח תפקוד יתר של יותרת המוח (סיכון גבוה פי 15.36) והשמנה (סיכון גבוה פי 11.07) מאוחר יותר בילדות.
שעון המבוגרים הוכיח באופן דומה מנבא במדויק את הסיכון למחלות עיקריות הקשורות לגיל, כולל סוכרת (סוכרת מסוג 2 (T2D)), שבץ מוחי, אי ספיקת כליות ומחלות לב וכלי דם (CVD), עם אשכולות ספציפיים המראים סיכונים מוגברים באופן דרמטי (למשל, לאשכול 20 היה סיכון גבוה פי 37.7 לאי ספיקת כליות).
באופן קריטי, המודל תמך באופן מובהק הן באבחון מחלות נוכחיות והן בחיזוי סיכונים עתידיים: לאחר כוונון עדין, הוא השיג אזור מתחת לעקומה (AUC) של 0.98 עבור אבחון סוכרת ו-0.91 עבור חיזוי סוכרת עתידי. יתר על כן, EHRFormer גבר על הדגמים המסורתיים (RNN ו-XGBoost) בשתי המשימות.
מסקנות
המחקר הנוכחי מדגים בהצלחה שניתן למנף את EHRFormer ליצירת שעון ביולוגי רב עוצמה, הבנוי מנתוני EHR שגרתיים, זמינים באופן נרחב ובעלות נמוכה.
LifeClock מספקת מסגרת חדשה להבנת התהליכים הנבדלים של התפתחות ילדים והזדקנות מבוגרים. המודל עובר מעבר להערכת גיל כרונולוגית פשוטה כדי להציע תמונה דינמית ומדויקת יותר של בריאותו של הפרט.
על ידי זיהוי אנשים בסיכון שנים לפני הופעת התסמינים, טכנולוגיה זו טומנת בחובה את הפוטנציאל לחולל מהפכה ברפואה המונעת ולהנחות התערבויות מותאמות אישית.
עבודה עתידית עשויה להיות כרוכה בשילוב נתונים ממכשירים לבישים ומקורות מידע ביומטריים ובריאותיים אחרים בזמן אמת כדי ליצור מערכת אדפטיבית ומדויקת עוד יותר לקידום הזדקנות בריאה.
