विविध अवयव वेगवेगळ्या वेगाने कसे वृद्ध होतात हे AI प्रकट करते

कृत्रिम बुद्धिमत्तेने शास्त्रज्ञांना मानवी शरीराचे वय कसे वाढवते याविषयी एक नवीन विंडो ऑफर केली आहे, ज्याने हे उघड केले आहे की भिन्न अवयव वृद्धत्वाची भिन्न वेळ पाळू शकतात आणि यातील काही बदल शेवटी रक्त चाचणीद्वारे शोधले जाऊ शकतात.

ऑस्ट्रियन ॲकॅडमी ऑफ सायन्सेसच्या सीएमएम रिसर्च सेंटर फॉर मॉलेक्युलर मेडिसिन आणि नेटवर्क मेडिसिनसाठी लुडविग बोल्टझमन इन्स्टिट्यूटच्या संशोधकांनी एआय-आधारित “टिश्यू क्लॉक्स” विकसित केले जे सूक्ष्म ऊतक प्रतिमांमधून वैयक्तिक अवयवांच्या जैविक वयाचा अंदाज लावतात.

मध्ये प्रकाशित झालेले निष्कर्ष निसर्ग औषध25,000 पेक्षा जास्त प्रतिमांवर आधारित होते ज्यात 40 ऊतक प्रकार समाविष्ट आहेत.

AI मानवी ऊतींमधील वृद्धत्वाची चिन्हे वाचते

संशोधकांनी जीनोटाइप-टिश्यू एक्सप्रेशन प्रोजेक्ट (GTEx) मधील डेटा वापरला, ज्यामध्ये 983 लोकांच्या ऊतींचे नमुने आहेत. नमुन्यांमध्ये मेंदू, हृदय, फुफ्फुसे, स्वादुपिंड, त्वचा आणि आतडे यासारख्या अवयव आणि ऊतींचा समावेश होता.

संशोधकांनी 25,712 उच्च-रिझोल्यूशन प्रतिमांचे विश्लेषण केले, जे सुमारे 480 दशलक्ष वैयक्तिक प्रतिमा टाइल्सचे प्रतिनिधित्व करतात. प्रगत कॉम्प्युटर व्हिजन मॉडेल्सचा वापर करून, त्यांना आढळले की वय हा सर्व 40 टिशू प्रकारांमध्ये ऊतींचे स्वरूप प्रभावित करणारा सर्वात मजबूत घटक आहे.

त्यानंतर संघाने त्यांच्या सूक्ष्म रचनेच्या आधारे वैयक्तिक अवयवांच्या जैविक वयाचा अंदाज लावण्यासाठी सक्षम ऊतक घड्याळे विकसित केली.

घड्याळांमध्ये 4.9 वर्षांची सरासरी अंदाज त्रुटी होती आणि ते रोग आणि वृद्धत्वाची ऊतक-विशिष्ट चिन्हे देखील कॅप्चर करण्यास सक्षम होते.

अवयवांचे वय सारख्या गतीने होत नाही

या अभ्यासात असे आढळून आले आहे की वृद्धत्व संपूर्ण शरीरात वेगवेगळ्या नमुन्यांचे पालन करते. फुफ्फुस, मूत्रपिंड, स्वादुपिंड आणि अधिवृक्क ग्रंथी 20 ते 40 वयोगटातील लवकर वृद्धत्वाची चिन्हे दर्शवितात.

इतर ऊतींनी अधिक जटिल वृद्धत्वाचे नमुने अनुसरण केले, तर गर्भाशयाने रजोनिवृत्तीच्या आसपास विशेषतः स्पष्ट बदल दर्शविला.

संशोधकांनी ऊतक वृद्धत्व आणि आरोग्य स्थिती यांच्यातील दुवे देखील ओळखले. मूत्रपिंड निकामी होणे हे अनेक ऊतींमधील प्रवेगक वृद्धत्वाच्या संकेतांशी संबंधित होते, तर मधुमेहाने स्वादुपिंडावर विशेषतः तीव्र प्रभाव दर्शविला.

टिश्यू घड्याळे वृद्धत्वाच्या स्थापित मार्करशी देखील संबंधित होती, ज्यात लहान टेलोमेरेस, टिश्यू पॅथॉलॉजी आणि एखाद्या व्यक्तीला प्रभावित करणाऱ्या जुनाट आजारांची संख्या समाविष्ट आहे.

रक्तामुळे अवयवांचे वृद्धत्व दिसून येते

कारण ऊतींचे नमुने गोळा करणे हे आक्रमक आणि अव्यवहार्य असू शकते, संशोधकांनी रक्तातून माहिती मिळवता येते का याचा शोध घेतला.

त्यांनी रक्त-आधारित जनुक अभिव्यक्ती प्रोफाइल समान व्यक्तींकडील ऊतक वय मोजमापांशी जुळले आणि रक्ताचे नमुने वापरून ऊतक-विशिष्ट जैविक वयाचा अंदाज लावण्यास सक्षम भविष्यवेत्ता विकसित केले.

रक्त-आधारित मॉडेलने अल्झायमर रोग, क्रोहन रोग, सिस्टिक फायब्रोसिस, रक्तवहिन्यासंबंधीचा दाह, मधुमेह आणि स्ट्रोक यासह परिस्थितींशी संबंधित वृद्धत्वाचे स्वरूप ओळखले.

अल्झायमर रोग असलेल्या लोकांमध्ये, वृद्धत्वाचा सर्वात मजबूत सिग्नल मेंदूमध्ये आढळला होता, तर क्रोहन रोग संपूर्ण गॅस्ट्रोइंटेस्टाइनल ट्रॅक्टमध्ये प्रवेगक वृद्धत्वाशी संबंधित होता.

एआय भविष्यातील रोग निरीक्षणास समर्थन देऊ शकते

संशोधकांचे म्हणणे आहे की निष्कर्ष हे दर्शवतात की वृद्धत्व केवळ कालक्रमानुसार वयानुसार ठरवले जात नाही. प्रणालीगत आणि ऊतक-विशिष्ट घटकांवर अवलंबून भिन्न अवयवांचे वय भिन्न असू शकते.

रक्ताच्या नमुन्यातून अवयव-विशिष्ट वृद्धत्वाचे नमुने ओळखण्याची क्षमता अखेरीस अवयवांचे आरोग्य आणि रोगाच्या प्रगतीचे निरीक्षण करण्याच्या कमी आक्रमक मार्गांमध्ये योगदान देऊ शकते.

तथापि, संशोधन तत्काळ उपलब्ध निदान चाचणी ऐवजी प्रारंभिक पाऊल दर्शवते. हे AI-आधारित टिश्यू घड्याळे क्लिनिकल सेटिंग्जमध्ये कसे कार्य करतात आणि ते रोग शोधणे किंवा निरीक्षणास विश्वासार्हपणे समर्थन देऊ शकतात का हे निर्धारित करण्यासाठी पुढील कामाची आवश्यकता असेल.

असे असले तरी अभ्यास कृत्रिम बुद्धिमत्ता, टिश्यू इमेजिंग, जनुक अभिव्यक्ती आणि क्लिनिकल माहिती एकत्रित केल्याने वृद्धत्व आणि त्याचा रोगाशी संबंध कसा अधिक तपशीलवार चित्र प्रदान करू शकतो हे दर्शविते.