Mô hình AI dự đoán tuổi sinh học qua một mẫu máu nhỏ
Nhóm nghiên cứu tại Đại học Osaka, Nhật Bản đã phát triển được một mô hình AI có thể ước tính tuổi sinh học của bạn dựa vào 5 giọt máu. Bằng cách phân tích 22 loại steroid chính, AI cung cấp thước đo cá nhân về mức độ lão hóa của cơ thể bạn, hỗ trợ trong việc quản lý sức khỏe và các bệnh liên quan đến tuổi tác.
Lão hóa không chỉ thể hiện số năm mà bạn đã sống, mà là một quá trình phức tạp bị chi phối bởi yếu tố di truyền, lối sống và môi trường. Các phương pháp truyền thống để đánh giá tuổi sinh học thường dựa vào các chỉ dấu sinh học rộng như mức độ metyl hóa ADN hoặc protein. Tuy nhiên, các phương pháp này có thể bỏ qua những mạng lưới nội tiết tố phức tạp điều chỉnh cơ thể. Vì thế, nhóm nghiên cứu tại Đại học Osaka đã tập trung vào các hormone steroid, hợp chất quan trọng trong quá trình trao đổi chất, chức năng miễn dịch và phản ứng với căng thẳng.
Nhóm nghiên cứu đã phân tích 22 loại steroid từ các mẫu máu của 148 người trong độ tuổi từ 20 đến 73 thông qua sử dụng 98 mẫu để đào tạo mô hình và 50 mẫu để xác thực. Mô hình AI đã thu được các tương tác phức tạp giữa steroid và tuổi theo thời gian (hay tuổi thực), cho thấy sự khác biệt giữa tuổi sinh học và tuổi thực có xu hướng mở rộng.
Một trong những phát hiện nổi bật nhất liên quan đến cortisol (hormone liên quan đến căng thẳng), đó là khi nồng độ cortisol tăng gấp đôi, tuổi sinh học tăng khoảng 1,5 lần. Mô hình này cũng phát hiện ra những biến thể đặc trưng theo giới tính trong quá trình chuyển hóa steroid. Các mô hình riêng biệt xuất hiện ở nam và nữ, phản ánh những khác biệt sinh học vốn có. Ví dụ, steroid liên quan đến estrogen ảnh hưởng lớn hơn ở mô hình nữ, trong khi steroid liên quan đến androgen rõ rệt hơn ở mô hình nam. Điều này làm nổi bật tầm quan trọng của việc xem xét hormone đặc trưng theo giới tính trong nghiên cứu lão hóa.
Ngoài ra, điểm thú vị là nghiên cứu này cũng khám phá tác động của các yếu tố về lối sống như hút thuốc. Kết quả cho thấy nam giới hút thuốc lá có tốc độ lão hóa sinh học tăng đáng kể về mặt thống kê so với người không hút thuốc lá. Như vậy, các lựa chọn lối sống có thể tác động lớn đến quá trình lão hóa, mặc dù cần có dữ liệu toàn diện hơn về các yếu tố lối sống khác để có thể hiểu đầy đủ hơn về vấn đề này.
Tuy nhiên, nghiên cứu có một số hạn chế nhất định. Quy mô mẫu tương đối nhỏ và thiếu dữ liệu chi tiết về lối sống có thể hạn chế khả năng khái quát hóa các phát hiện. Ngoài ra, mô hình xử lý steroid không tính đến đầy đủ các biến động theo nhịp sinh học. Các nghiên cứu trong tương lai với nhóm mẫu và dữ liệu quy mô lớn hơn có thể giúp tinh chỉnh mô hình hơn nữa.
Các ứng dụng tiềm năng của mô hình hỗ trợ AI mới là rất lớn, có thể mở đường cho việc theo dõi sức khỏe cho cá nhân, phát hiện bệnh sớm và các chương trình chăm sóc sức khỏe theo yêu cầu. Khả năng đánh giá tốc độ lão hóa của một người bằng xét nghiệm máu đơn giản có thể đánh dấu bước tiến lớn trong chăm sóc sức khỏe dự phòng.
Với những tiến bộ liên tục trong nghiên cứu y sinh và AI, việc đo lường chính xác và thậm chí làm chậm quá trình lão hóa sinh học đang ngày càng khả thi. Hiện tại, nghiên cứu nhấn mạnh tác động sâu sắc của hormone, đặc biệt là hormone gây căng thẳng như cortisol, đến cách chúng ta lão hóa.
https://vista.gov.vn/vi/news/khoa-hoc-ky-thuat-va-cong-nghe/mo-hinh-ai-du-doan-tuoi-sinh-hoc-qua-mot-mau-mau-nho-11120.html
