Czy serce, mózg i nerki tej samej osoby mogą mieć różny wiek biologiczny? Naukowcy z CeMM i Instytutu Medycyny Sieciowej im. Ludwiga Boltzmanna opracowali oparte na sztucznej inteligencji „zegary tkankowe”, które szacują wiek biologiczny narządów na podstawie obrazów histologicznych. Analiza ponad 25 tys. próbek pokazała, że poszczególne tkanki nie starzeją się w jednakowym tempie, a część tych zmian można wykryć również na podstawie próbek krwi.
Z tego artykułu dowiesz się…
- Jak „zegary tkankowe” oparte na sztucznej inteligencji szacują wiek biologiczny poszczególnych narządów na podstawie obrazów histologicznych.
- Jakie są wyniki analizy 25 712 obrazów próbek pochodzących od 983 osób i reprezentujących 40 różnych typów tkanek.
- Dlaczego płuca, nerki, trzustka czy mózg mogą starzeć się w innym tempie i jak choroby mogą wiązać się z przyspieszonym starzeniem określonych tkanek.
- Jak naukowcy wykorzystali próbki krwi do wykrywania wzorców starzenia specyficznych dla poszczególnych tkanek i dlaczego może to mieć znaczenie dla przyszłej diagnostyki.
AI odczytuje wiek biologiczny z budowy tkanek
Dotychczas wiele metod oceny wieku biologicznego koncentrowało się na zmianach molekularnych, takich jak metylacja DNA czy ekspresja genów. Autorzy badania opublikowanego w „Nature Medicine” postanowili sprawdzić, czy proces starzenia pozostawia również charakterystyczny ślad w mikroskopowej architekturze tkanek. Wykorzystali dane z projektu Genotype-Tissue Expression (GTEx), obejmujące próbki pobrane od 983 osób. Analiza uwzględniła 40 typów tkanek, m.in. mózg, serce, płuca, trzustkę, skórę i jelita.
Łącznie sztuczna inteligencja analizowała 25 712 obrazów histologicznych wysokiej rozdzielczości, odpowiadających około 480 mln pojedynczych fragmentów obrazów. Co istotne, wiek okazał się najsilniejszym czynnikiem kształtującym wygląd tkanek we wszystkich 40 analizowanych typach. Na tej podstawie powstały „zegary tkankowe” – modele umożliwiające niezależne szacowanie wieku biologicznego poszczególnych narządów.
Średni błąd wyniósł tylko 4,9 roku
Opracowane modele szacowały wiek ze średnim błędem wynoszącym 4,9 roku. Jednocześnie lepiej niż istniejące metody oparte na DNA wychwytywały patologie charakterystyczne dla konkretnych tkanek. Przewidywany przez AI wiek biologiczny był również silnie związany ze znanymi cechami procesu starzenia, w tym skracaniem telomerów, zmianami patologicznymi w tkankach oraz liczbą chorób przewlekłych występujących u danej osoby.
Nasze tkanki przechowują niezwykle szczegółowy zapis procesu starzenia. Łącząc obrazy histologiczne ze sztuczną inteligencją, możemy wykryć wzorce biologicznego starzenia się niewidoczne dla ludzkiego oka i zacząć rozumieć, jak proces ten przebiega w różnych częściach ciała – mówi André Rendeiro, główny badacz w CeMM i autor korespondencyjny badania.
Każdy narząd może starzeć się w innym tempie
Jednym z najważniejszych wyników badania było potwierdzenie, że starzenie nie zachodzi w całym organizmie według jednego harmonogramu. Płuca, nerki, trzustka i nadnercza wykazywały oznaki przyspieszonego starzenia już między 20. a 40. rokiem życia. W innych tkankach okresy szybszych zmian występowały później. Szczególnie wyraźną zmianę w przypadku macicy zaobserwowano w okolicy menopauzy.
Badacze wykryli ponadto związki między starzeniem tkanek, a określonymi chorobami. Niewydolność nerek była związana z oznakami przyspieszonego starzenia w wielu tkankach, natomiast w przypadku cukrzycy wyraźny efekt obserwowano w trzustce.
Najważniejsze jest to, jak odmiennie starzeją się poszczególne narządy i jak to przekłada się na architekturę tkanek – mówi Ernesto Abila, współautor pierwszego badania. Głębokie uczenie pozwala nam odczytywać te wzorce przestrzenne, postrzegając starzenie się jako przebudowę architektoniczną, a nie tylko dryf molekularny.
AI wykrywa tkanki „starsze” niż wskazuje metryka
„Zegary tkankowe” pozwoliły również identyfikować osoby, u których struktura określonych tkanek wskazywała na bardziej zaawansowane zmiany niż wynikałoby to z wieku chronologicznego. Taka różnica pomiędzy wiekiem przewidywanym przez model, a rzeczywistym wiekiem człowieka może stanowić sygnał przyspieszonego starzenia określonego narządu.
Samo stwierdzenie takiej rozbieżności nie jest jednak równoznaczne z diagnozą choroby. Metoda ma obecnie przede wszystkim znaczenie badawcze i wymaga dalszej walidacji, zanim będzie mogła znaleźć szersze zastosowanie kliniczne.
Wiek biologiczny narządów można odczytać z krwi?
Pobieranie próbek wielu narządów jest inwazyjne i w praktyce nie nadaje się do rutynowego monitorowania starzenia. Dlatego badacze wykonali kolejny krok. Połączyli profile ekspresji genów uzyskane z krwi z różnicami wieku biologicznego tkanek określonymi wcześniej na podstawie histologii u tych samych osób. W ten sposób stworzyli predyktory umożliwiające szacowanie specyficznych dla poszczególnych tkanek wzorców starzenia wyłącznie na podstawie próbek krwi.
To przełom koncepcyjny: wykorzystanie języka starzenia się tkanek, poznanego z obrazów, i przełożenie go na coś, co można odczytać z rutynowego pobrania krwi – wyjaśnia Iva Buljan, współautorka pierwszej publikacji.
Alzheimer, cukrzyca i choroba Leśniowskiego-Crohna pozostawiały charakterystyczne sygnały
Predyktory oparte na krwi identyfikowały wzorce starzenia związane m.in. z chorobą Alzheimera, chorobą Leśniowskiego-Crohna, mukowiscydozą, zapaleniem naczyń, cukrzycą i udarem mózgu. Co istotne, sygnały odpowiadały narządom szczególnie związanym z daną chorobą. W chorobie Alzheimera najsilniejszy sygnał starzenia występował w mózgu. Natomiast w chorobie Leśniowskiego-Crohna obserwowano przyspieszone starzenie w obrębie przewodu pokarmowego.
To badanie podkreśla, że starzenie się nie jest jedynie kwestią czasu – mówi Yimin Zheng, trzeci współautor i pierwszy współautor badania. Różne narządy starzeją się w różny sposób, a procesy te wydają się być kształtowane zarówno przez czynniki ogólnoustrojowe, jak i tkankowo-specyficzne.
„Zegary tkankowe” mogą otworzyć drogę do nowych metod diagnostycznych
Badanie pokazuje, że obrazy histologiczne zawierają znacznie więcej informacji o procesie starzenia, niż można dostrzec podczas standardowej oceny wzrokowej. Sztuczna inteligencja może identyfikować subtelne wzorce strukturalne i łączyć je z wiekiem biologicznym oraz stanem zdrowia. Szczególnie interesująca jest możliwość przeniesienia informacji uzyskanych z obrazów tkanek na badania krwi. W przyszłości takie rozwiązania mogłyby wspierać małoinwazyjne monitorowanie stanu konkretnych narządów, przebiegu chorób oraz zmian związanych ze starzeniem.
Na obecnym etapie nie jest to jednak gotowy test diagnostyczny. Wyniki przede wszystkim tworzą nowe ramy do badania starzenia jako procesu, który przebiega odmiennie w różnych częściach organizmu. Badanie opublikowano w „Nature Medicine”. DOI: 10.1038/s41591-026-04566-5.
Główne wnioski
- Naukowcy z CeMM i Instytutu Medycyny Sieciowej im. Ludwiga Boltzmanna opracowali oparte na AI „zegary tkankowe”, które szacują wiek biologiczny narządów na podstawie mikroskopowej architektury tkanek.
- Badanie objęło 25 712 obrazów, 983 osoby i 40 typów tkanek. Modele przewidywały wiek ze średnim błędem wynoszącym 4,9 roku, a ich wskazania wiązały się m.in. ze skracaniem telomerów, patologią tkanek i liczbą chorób przewlekłych.
- Poszczególne narządy nie starzeją się w jednakowym tempie. Płuca, nerki, trzustka i nadnercza wykazywały oznaki przyspieszonego starzenia już między 20. a 40. rokiem życia, natomiast w macicy wyraźną zmianę obserwowano w okolicy menopauzy.
- Naukowcy opracowali również predyktory wykorzystujące próbki krwi do wykrywania wzorców starzenia specyficznych dla tkanek. Identyfikowały one sygnały związane m.in. z chorobą Alzheimera, chorobą Leśniowskiego-Crohna, cukrzycą i udarem mózgu, co w przyszłości może wspierać rozwój małoinwazyjnych metod monitorowania zdrowia narządów.
Źródło:
- https://www.nature.com/articles/s41591-026-04566-5
- CeMM Research Center for Molecular Medicine of the Austrian Academy of Sciences
