Наука пока не может предложить реальную альтернативу молодильным яблокам и остановить старение. Но ученые верят, что этого можно добиться в ближайшем будущем. Один из важнейших шагов на этом пути – поиск достоверного способа определения биологического возраста человека. Без такого инструмента сложно выявить, насколько эффективно какое-либо средство против старения. При этом важно, чтобы инструмент был не слишком дорогим и сложным. Исследователи из Международной лаборатории «Компьютерные технологии» Университета ИТМО вместе с зарубежными коллегами решили использовать нейронные сети для решения этой задачи.
С помощью машинного обучения ученые создали компьютерный алгоритм определения возраста по комплексу показателей анализа крови. Пока система может предсказать только хронологический возраст, но определение связи показателей крови и возраста – важный шаг на пути к точной оценке возраста биологического. Алгоритм использует 20 биомаркеров: от концентрации глюкозы или гемоглобина до количества эритроцитов в крови. Все они определяются просто и, как правило, входят в стандартный набор анализов в большинстве стран. Сервис для подсчета возраста Aging.AI размещен онлайн. Им может воспользоваться каждый, у кого есть доступ в интернет и свежие результаты анализа крови.
«Распределение биомаркеров крови для определения возраста различается в каждой популяции, – рассказывает один из разработчиков алгоритма Кирилл Кочетов. – Мы создали нейронную сеть, которая нивелирует эти различия и может быть использована для любых популяций. При этом она ведет себя более стабильно и реже ошибается. Также мы выделили ключевые биомаркеры, которые больше других влияют на старение. Среди них – альбумин и глюкоза. Эти данные согласуются с тем, что раньше было известно об изменении этих показателей при старении».
«Большая часть работы состояла в приведении данных разных популяций к единому виду, – говорит соавтор работы Евгений Путин. – От каких-то биомаркеров пришлось отказаться, какие-то необходимо было восстановить. Нейронные сети обучали на данных всех популяций вместе и по отдельности. Затем мы проверили точность работы сетей на внешней, независимой выборке. Оказалось, что сеть, которая обучалась на всех популяциях, ошибалась на 10% реже сетей, обученных на отдельных популяциях».
Работа проводилась совместно с компанией Insilico Medicine, которая занимается применением искусственного интеллекта для изучения старения и разработки новых препаратов. В будущем ученые планируют учитывать больше разных биомаркеров, чтобы повысить точность работы нейронных сетей.
При этом увеличение количества признаков и менее зашумленные данные должны улучшить точность, добавляет Евгений. Учитывая, что медицина направлена на сбор данных, это возможно в ближайшем будущем.
Статья: «Population specific biomarkers of human aging: a big data study using South Korean, Canadian and Eastern European patient population». P. Mamoshina, K. Kochetov, E. Putin et al. The Journals of Gerontology: Series A Jan. 11, 2018
