생물학적 나이 역전: AI 노화 시계가 새로운 통찰력을 보여준다.

킹스 칼리지 런던 연구원들은 혈액 대사물 데이터를 사용하는 AI 기반 노화 시계가 건강과 수명을 예측할 수 있으며, 가속 노화는 더 높은 건강 위험과 관련이 있다는 것을 발견했다. 비선형 머신러닝 알고리즘, 특히 큐비스트 회귀가 가장 효과적이었다.

킹스 칼리지 런던의 정신과, 심리학 및 신경과학 연구소(IoPPN)의 연구원들은 혈액 데이터를 분석하여 건강과 수명을 추정하는 인공지능 기반 노화 시계를 평가하기 위한 자세한 연구를 수행했다.

이 연구에는 모집 당시 40~69세였던 영국 바이오뱅크의 225,000명 이상의 참여자의 혈액 마커에 대한 데이터를 사용하여 17개의 머신러닝 알고리즘을 훈련하고 테스트하는 것이 포함되었다. 연구원들은 이러한 대사체 노화 시계가 수명을 얼마나 정확하게 예측하는지와 건강 및 노화의 다양한 척도와 얼마나 강력하게 상관관계가 있는지 평가했다.

"마일리지"라고 하는 대사체 연령은 음식이 에너지로 전환될 때 생성되는 것과 같은 대사 과정에서 생성되는 작은 분자인 혈액 대사산물을 기반으로 한 사람의 내부 생물학적 연령을 반영한다. 사람의 대사산물 예측 연령(마일리지)과 실제 연대순 연령(마일리지 델타)의 차이는 생물학적 노화가 가속화되는지 감속되는지를 나타낸다.

연구 통찰력 및 주요 결과

이 연구는 Science Advances에 게재되었으며, 대사체 데이터를 사용하여 생물학적 노화 시계를 개발하는 능력에 대해 다양한 머신러닝 알고리즘을 종합적으로 비교한 최초의 연구로, 전 세계적으로 가장 큰 데이터 세트 중 하나를 활용한다.

가속 노화(즉, 대사체 예측 연령이 실제 연령보다 높은 경우)를 겪은 개인은 평균적으로 허약하고 만성 질환을 앓을 가능성이 더 높으며 건강을 더 나쁘게 평가했고 사망 위험이 더 높았다. 또한 세포 노화의 지표이며 죽상경화증과 같은 연령 관련 질병과 관련이 있는 텔로미어(염색체 끝에 있는 '캡')가 더 짧았다. 그러나 생물학적 노화가 느려진 경우(대사체 예측 연령이 실제 연령보다 낮은 경우)는 양호한 건강과 약한 연관성만 있었다.

노화 시계는 건강 악화의 조기 징후를 발견하는 데 도움이 되어 질병이 발병하기 전에 예방 전략과 개입을 가능하게 할 수 있다. 또한 사람들이 건강을 적극적으로 추적하고, 더 나은 라이프스타일 선택을 하고, 더 오래 건강을 유지하기 위한 조치를 취할 수 있도록 할 수도 있다.

노화 시계에 대한 전문가 관점

IoPPN의 킹스상 연구 펠로우이자 이 연구의 주 저자인 줄리안 무츠 박사는 "대사체 노화 시계는 나중에 건강 문제가 발생할 위험이 더 큰 사람에 대한 통찰력을 제공할 수 있는 잠재력이 있다. 변경할 수 없는 연대와 달리 생물학적 연령은 잠재적으로 수정할 수 있다.

이러한 시계는 생물의학 및 건강 연구를 위한 생물학적 연령의 대리 측정치를 제공하여 개인이 취하는 라이프스타일 선택을 형성하고 의료 서비스에서 구현하는 예방 전략을 알리는 데 도움이 될 수 있다. 저희 연구는 노화 시계를 개발하기 위한 광범위한 머신러닝 접근 방식을 평가하여 비선형 알고리즘이 노화 신호를 포착하는 데 가장 효과적임을 보여주었다."라고 말했다.

NIHR Maudsley BRC에서 유전 역학 및 통계학 교수이자 시험, 유전체학 및 예측 주제의 공동 부책임자이며 이 연구의 수석 저자인 캐스린 루이스 교수는 "우리의 생물학적 연령을 정확하게 평가하는 노화 시계를 개발하는 데 상당한 관심이 있다. 강력한 빅데이터 분석은 이러한 도구를 발전시키는 데 중요한 역할을 할 수 있다. 이 연구는 생물학적 노화 시계의 잠재력과 건강 선택에 대한 정보를 제공하는 능력을 확립하는 데 중요한 이정표이다."라고 말했다.

연구자들은 큐비스트 규칙 기반 회귀라는 특정 머신러닝 알고리즘을 사용하여 개발한 대사체 시계가 대부분의 건강 및 노화 마커와 가장 강력하게 연관되어 있음을 발견했다. 또한 대사체와 연령 간의 비선형 관계를 모델링할 수 있는 알고리즘이 일반적으로 건강과 수명에 대한 생물학적 신호를 포착하는 데 가장 우수한 성능을 보였다는 것을 발견했다.