به گزارش گروه دانشگاه خبرگزاری دانشجو، پژوهشگران دانشگاه کینگ لندن در یک مطالعه جدید نشان دادند که ساعتهای پیری مبتنی بر هوش مصنوعی با استفاده از دادههای متابولیتهای خون میتوانند وضعیت سلامت و طول عمر فرد را پیشبینی کنند. این مطالعه نشان میدهد که پیری تسریعشده با خطرات بهداشتی بیشتری همراه است. الگوریتمهای یادگیری ماشین غیرخطی، بهویژه رگرسیون مبتنی بر قاعده کوبیک، مؤثرترین ابزار در این زمینه بودند.
این مطالعه که در مجله Science Advances منتشر شد، اولین تحقیق جامع است که توانایی الگوریتمهای یادگیری ماشین مختلف در توسعه ساعتهای پیری زیستی با استفاده از دادههای متابولیت خون را مقایسه میکند.
در این تحقیق از دادههای بیش از ۲۲۵،۰۰۰ شرکتکننده در UK Biobank استفاده شد که در هنگام ثبتنام بین ۴۰ تا ۶۹ سال داشتند. پژوهشگران بررسی کردند که این ساعتهای متابولیکی چگونه میتوانند طول عمر را پیشبینی کنند و چه میزان با شاخصهای مز متابولیتها بیشتر از سن کرونولوژیکی آنها بود)، به طور متوسط ضعیفتر، بیمارتر، با سلامت پایینتر و خطر مرگ و میر بالاتری داشتند. همچنین این افراد تلومرهای کوتاهتری داشتند، که اینها نشانهای از پیری سلولی و مرتبط با بیماریهای مرتبط با سن مانند آترواسکلروز هستند. اما پیری زیستی کند شده (با سن پیشبینیشده از متابولیتها کمتر از سن کرونولوژیکی) تنها ارتباط ضعیفی با سلامت خوب داشت.