زومیت: پژوهشگران با کمک هوش مصنوعی روشی ساختهاند که شاید در آینده بتواند سن زیستی اندامها را از روی یک نمونه خون تخمین بزند.
سن شناسنامهای فقط تعداد سالهایی را نشان میدهد که از تولد یک فرد گذشته است، اما نمیتواند وضعیت واقعی بدن او را توضیح دهد. ممکن است دو فرد همسن، روند پیری متفاوتی را تجربه کنند؛ حتی ممکن است قلب، مغز یا کلیههای یک نفر از نظر زیستی پیرتر یا جوانتر از سن واقعی او باشند.
به تازگی، پژوهشگران روشی ابداع کردهاند که میتواند با بررسی یک نمونه خون، سن زیستی اندامهای مختلف بدن را تخمین بزند. این روش هنوز برای استفاده پزشکی آماده نیست، اما میتواند در آینده به شناسایی زودتر تغییرات مرتبط با پیری و بیماریها کمک کند.
نتایج مطالعه جدید نشان میدهد پیری در تمام بخشهای بدن با سرعت یکسان اتفاق نمیافتد. هر اندام تغییرات خاص خود را دارد و نشانههای پیری در بافتهای مختلف به شکل متفاوتی ظاهر میشوند.
هوش مصنوعی چگونه سن اندامها را تخمین زد؟
پژوهشگران به سرپرستی آندره رندیرو از مرکز پژوهشی CeMM و مؤسسه لودویگ بولتزمن در دانشگاه وین، ابتدا مجموعه بزرگی از تصاویر میکروسکوپی بافتهای بدن را مورد بررسی قرار دادند. آنها ۲۵هزار و ۷۱۲ تصویر از ۴۰ نوع بافت در ۲۹ اندام مختلف را از بدن ۹۸۳ اهداکننده فوتشده تحلیل کردند. این دادهها به یک مدل هوش مصنوعی آموزش داده شد تا تغییرات بسیار ظریف ساختار بافتها را که با افزایش سن ارتباط دارند، شناسایی کند.
مدل هوش مصنوعی در ادامه توانست برای هر اندام یک «ساعت زیستی» بسازد؛ یعنی تخمین بزند که یک بافت از نظر ظاهری و ساختاری، بیشتر شبیه بدن فردی با چه سنی است. برای نمونه، اگر بافت ریه فردی ۶۰ ساله از نظر ویژگیهای میکروسکوپی شبیه نمونههای افراد مسنتر بود، مدل نتیجه میگرفت که این ریه از نظر زیستی پیرتر از سن واقعی فرد است. به طور میانگین، پیشبینیهای این مدل حدود پنج سال با سن واقعی اهداکنندگان اختلاف داشت.
به نوشته ساینسآلرت، یکی از یافتههای مهم پژوهش این بود که روند پیری در تمام بدن یکسان نیست. برخی افراد نشانههای پیری زودتر از انتظار را در چندین اندام نشان میدادند، اما در برخی دیگر فقط یک بخش از بدن، مانند قلب، ریه یا معده، پیرتر از سایر اندامها به نظر میرسید.
اندامهایی که سن زیستی بالاتری داشتند، معمولاً تغییرات بیشتری در ساختار خود نشان میدادند؛ از جمله کوچکشدن بافت، افزایش سفتی بافتها، کاهش رگهای خونی کوچک، تجمع چربی در عضلات و تغییر در ساختار اعصاب. این موضوع نشان میدهد یک عدد واحد برای «سن بیولوژیکی بدن» نمیتواند تمام تفاوتهای موجود میان اندامها را نشان دهد.
اندازهگیری مستقیم سن زیستی یک اندام معمولاً به نمونهبرداری از بافت نیاز دارد و این روش برای استفاده روزمره یا بررسی افراد سالم مناسب نیست. به همین دلیل، پژوهشگران بررسی کردند آیا خون میتواند اطلاعاتی درباره وضعیت اندامها در اختیارشان قرار دهد یا نه. آنها الگوهای فعالیت ژنها در نمونههای خون را با تغییرات مشاهدهشده در بافتها مقایسه کردند.
به گفته آندره رندیرو، خون بهطور مستقیم سن یک اندام را نشان نمیدهد، اما تغییرات موجود در خون میتواند سرنخهایی درباره وضعیت آن اندام ارائه دهد. هوش مصنوعی با یادگیری ارتباط میان این دو، میتواند سن زیستی اندامها را تخمین بزند.
مدلی که براساس دادههای خون ساخته شد، در تخمین سن زیستی کل بدن، دستگاه گوارش و طحال عملکرد بهتری داشت.
پژوهشگران برای بررسی کاربرد احتمالی روش، آن را روی دادههای افراد سالم و افراد مبتلا به ۸ بیماری مختلف آزمایش کردند. نتایج نشان داد در بسیاری از موارد، اندامی که با بیماری مرتبط بود، سن زیستی بالاتری داشت. برای مثال، در افراد مبتلا به سکته مغزی، مدل هوش مصنوعی افزایش سن زیستی را بیشتر در مغز نشان داد. در بیماران مبتلا به بیماری کرون، بخشهای مختلف دستگاه گوارش مانند مری، معده و رودهها پیرتر از انتظار تخمین زده شدند. در افراد مبتلا به آلزایمر نیز مغز تنها اندامی بود که افزایش قابل توجه سن زیستی را نشان داد.
البته یافتهها به معنی آن نیست که پیری زودتر یک اندام حتماً باعث بیماری شده است. ممکن است بیماری باعث تغییرات پیری در اندام شده باشد، یا هر دو فرایند تحت تأثیر عوامل مشترکی ایجاد شده باشند.
روش ابداعی هنوز در مراحل پژوهشی بهسر میبرد و محدودیتهایی دارد. بیشتر نمونههای بافتی مورد استفاده پس از مرگ افراد جمعآوری شدهاند و پژوهشگران همان افراد را در طول سالهای زندگی دنبال نکردهاند تا روند واقعی پیری اندامها را بررسی کنند. همچنین مشخص نیست آیا این آزمایش میتواند پیش از ظاهرشدن علائم، بیماریها را پیشبینی کند یا فقط تغییرات ناشی از بیماریهای موجود را نشان میدهد.
آنچه پژوهش جدید نشان میدهد، این است که پیری بدن را نمیتوان فقط با عددی مانند سن شناسنامهای توضیح داد. ممکن است اندامهای مختلف یک فرد، هرکدام سرعت متفاوتی برای پیرشدن داشته باشند.
