మీ జీవసంబంధమైన వయస్సు మీ ఆరోగ్య స్థితి గురించి ఏమి తెలుపుతుంది

చైనీస్ పరిశోధకులు ఒక వ్యక్తి యొక్క ముఖం, నాలుక మరియు రెటీనా యొక్క చిత్రాలను విశ్లేషించడానికి వారి జీవసంబంధమైన వయస్సును నిర్ణయించడానికి AIని ఉపయోగించే ఒక సాధనాన్ని అభివృద్ధి చేశారు. ఈ సాంకేతికత మన కణాలు, కణజాలాలు మరియు అవయవాల ఆరోగ్యం మరియు స్థితిని మరియు దీర్ఘకాలిక వ్యాధుల ప్రమాదం గురించి అంతర్దృష్టిని అందిస్తుంది.

ఒక వ్యక్తి యొక్క కాలక్రమానుసారం వయస్సు తెలుసుకోవడానికి డ్రైవింగ్ లైసెన్స్‌ను ఒక్కసారి పరిశీలిస్తే సరిపోతుంది. అయినప్పటికీ, జీవసంబంధమైన వయస్సును ఖచ్చితంగా నిర్ణయించడం కష్టం. కాలక్రమానుసారం కాకుండా, జీవసంబంధమైన వయస్సును కొలవడానికి విశ్వవ్యాప్తంగా అంగీకరించబడిన మార్గం లేదు మరియు ఇది పర్యావరణం, వ్యక్తిగత జీవనశైలి ఎంపికలు మరియు జన్యుశాస్త్రం ద్వారా ప్రభావితమవుతుంది. ఉదాహరణకు, ధూమపానం చేసేవారు వారి వాస్తవ వయస్సు కంటే చాలా సంవత్సరాలు పెద్దదిగా కనిపిస్తారు, అయితే ఫిట్‌నెస్ ఔత్సాహికులు చాలా యవ్వనంగా కనిపిస్తారు. మరియు వ్యత్యాసం ఉపరితలం కాదు. మీ జీవసంబంధమైన వయస్సు మీ కాలక్రమానుసారం వయస్సు కంటే ఎక్కువగా ఉంటే, మీరు దీర్ఘకాలిక అనారోగ్యంతో ఉండవచ్చు లేదా ముందస్తు అభిజ్ఞా క్షీణతను అనుభవించవచ్చు. మరోవైపు, మీరు మీ కాలక్రమానుసార వయస్సు కంటే జీవశాస్త్రపరంగా చిన్నవారైతే, మీరు ఇతరులకన్నా ఎక్కువ మొమెంటం కలిగి ఉండవచ్చు.

“మీ జీవసంబంధమైన వయస్సును తెలుసుకోవడం చాలా ముఖ్యం ఎందుకంటే మీకు సమయం ఉన్నప్పుడు, మీరు మీ జీవనశైలిని మార్చుకోవచ్చు మరియు మీ ఆరోగ్యాన్ని మెరుగుపరుచుకోవచ్చు” అని అధ్యయనంలో పాల్గొనని స్టాన్‌ఫోర్డ్ విశ్వవిద్యాలయంలో జన్యు శాస్త్రవేత్త మైఖేల్ స్నైడర్ అన్నారు. “ఇది,” అని ఆయన చెప్పారు.

వృద్ధాప్య గడియారాల ప్రారంభ సంస్కరణలు (జీవసంబంధమైన వయస్సును కొలిచే నమూనాలు) వివిధ కణజాలాలలో DNA మిథైలేషన్ నమూనాలను (DNA పై రసాయన గుర్తులు ఏయే జన్యువులను ఆన్ మరియు ఆఫ్ చేయబడతాయో నియంత్రిస్తాయి) అవి కాలక్రమేణా మారుతూ ఉంటాయి. నేను ఈ సంఖ్యను దీని ద్వారా లెక్కించాను ఇతర గడియారాలు వివిధ జీవక్రియ (బ్లడ్ షుగర్) మరియు ఇన్‌ఫ్లమేటరీ ప్రోటీన్ మార్కర్‌ల స్థాయిలను కొలుస్తాయి, వీటిని వైద్యులు తరచుగా వార్షిక ఫిజికల్స్ సమయంలో పరీక్షిస్తారు. ఇటీవల, శాస్త్రవేత్తలు ఒకరి జీవసంబంధమైన వయస్సును నిర్ణయించడానికి ముఖం, మెదడు స్కాన్లు మరియు రక్తంలో ప్రోటీన్ స్థాయిల యొక్క 3D చిత్రాలను ఉపయోగించే గడియారాన్ని రూపొందించారు.

మీ చర్మంలో ముడతలు లేదా మధుమేహం వంటి వయస్సు-సంబంధిత వ్యాధుల సంభావ్యత ఎక్కువగా ఉన్నా, ఇవన్నీ వయస్సు-సంబంధిత మార్పులను ట్రాక్ చేస్తాయి. అయినప్పటికీ, వృద్ధాప్యం అనేది బహుళ అవయవ వ్యవస్థలపై అనేక ప్రభావాలతో కూడిన సంక్లిష్ట ప్రక్రియ.

మకావు యూనివర్శిటీ ఆఫ్ సైన్స్ అండ్ టెక్నాలజీకి చెందిన డాక్టర్ మరియు శాస్త్రవేత్త మరియు పేపర్ సహ రచయిత కాంగ్ చాన్ మాట్లాడుతూ, జీవసంబంధమైన వయస్సును నిర్వచించడానికి ఒక రకమైన కొలతను ఉపయోగించడం అంటే ఏనుగు యొక్క ట్రంక్ మాత్రమే ఉపయోగించబడుతుందని అతను చెప్పాడు. దాన్ని తాకడం ద్వారా అర్థం చేసుకోవాలి. PNAS జనవరి లో.

బదులుగా, జాంగ్ మరియు అతని సహకారులు ముఖం, నాలుక మరియు రెటీనా చిత్రాల నుండి ఇన్‌పుట్‌ని ఉపయోగించే AI మోడల్‌ను ఉపయోగిస్తున్నారు మరియు జీవసంబంధమైన వయస్సు యొక్క “మొత్తం అంచనా”ని రూపొందించడానికి సంబంధిత వయస్సును ఉమ్మివేస్తున్నారు. ”నేను ఒక చిత్రాన్ని సృష్టించాను. ఈ పద్దతి, ChatGPTకి శక్తినిచ్చే మాదిరిగానే, “విస్తారమైన డేటాను పరిశీలిస్తుంది మరియు మానవ వయస్సును అంచనా వేయగల సామర్థ్యానికి మించిన అదృశ్య కనెక్షన్‌లను కనుగొంటుంది” అని జాంగ్ చెప్పారు.

“వారి లోతైన అభ్యాస ప్రయోగాల యొక్క సాంకేతిక రూపకల్పన మరియు వారు ఉపయోగించిన డేటాసెట్‌లతో ప్రయోగాత్మక రూపకల్పన రెండూ నన్ను ఆకట్టుకున్నాయి. ఫలితాలు చాలా నమ్మకంగా ఉన్నాయి” అని అధ్యయనంలో పాల్గొనని రచయిత చెప్పారు. జేమ్స్ కోల్, ఒక న్యూరో సైంటిస్ట్ చెప్పారు. యూనివర్సిటీ కాలేజ్ లండన్.

లోతైన అభ్యాసం మరియు జీవసంబంధమైన వయస్సు

2017 Google పేపర్‌లో పరిచయం చేయబడింది, ఈ AI సాంకేతికత (ట్రాన్స్‌ఫార్మర్స్ అని పిలుస్తారు) మొదట చాట్‌జిపిటి వంటి మానవ భాషను అనుకరించే ప్రోగ్రామ్‌లను రూపొందించడానికి ఉపయోగించబడింది. పాత AI మోడల్‌ల వలె కాకుండా, ట్రాన్స్‌ఫార్మర్‌లు టెక్స్ట్ యొక్క మొత్తం సీక్వెన్స్‌లను సీక్వెన్షియల్‌గా కాకుండా ఒకేసారి ప్రాసెస్ చేస్తాయి, వాటిని నమూనాలను గుర్తించడంలో మరియు సందర్భాన్ని అర్థం చేసుకోవడంలో మరింత ప్రవీణులను చేస్తాయి.

పరిశోధకులు త్వరలో ఇమేజ్ విశ్లేషణకు వారి విధానాన్ని అనువదించారు, కంప్యూటర్ దృష్టిలో అలాగే సహజ భాషా ప్రాసెసింగ్‌లో విప్లవాత్మకమైన పనులను చేశారు. ఈ అధ్యయనంలో ఉపయోగించిన దానితో సహా కొన్ని ట్రాన్స్‌ఫార్మర్‌లు ఉపయోగించిన మరొక ఆవిష్కరణ, ముతక మరియు చక్కటి భాగాలను సేకరించేందుకు వేర్వేరు రిజల్యూషన్‌లలో చిత్రాలను విశ్లేషించడం.

కానీ ట్రాన్స్‌ఫార్మర్‌లకు చాలా డేటా అవసరం.

“సహజంగానే, ఇది భాష సమస్య కాదు ఎందుకంటే అక్కడ చాలా భాషలు ఉన్నాయి, కానీ మెడికల్ ఇమేజింగ్ కోసం తగినంత ఉదాహరణలను కనుగొనడం చాలా కష్టం,” అని కోల్ చెప్పారు. అతని పరిశోధన సంబంధాలను పరిశోధించడానికి మెదడు స్కాన్‌లకు AI పద్ధతులను వర్తింపజేస్తుంది. వృద్ధాప్యం మరియు న్యూరోడెజెనరేటివ్ వ్యాధుల మధ్య. ఈ బృందం పరిశోధనల కోసం పదివేల మందిని యాక్సెస్ చేయగలగడం గొప్ప విషయమని ఆయన చెప్పారు.

అనేక AI మోడల్‌ల మాదిరిగానే, మోడల్ ఫలితాలను మానవులకు అర్థమయ్యే పదాలలోకి అనువదించడం సమస్య కావచ్చు.

“ఈ మోడల్ సూక్ష్మమైనది, మనం గుర్తించలేని పిక్సెల్-స్థాయి వ్యత్యాసాలపై దృష్టి సారిస్తుంది” అని జాంగ్ చెప్పారు. నాలుక కేంద్రం (నాలుక చిత్రం), కంటి చుట్టూ ఉన్న ప్రాంతం (ముఖ చిత్రం), ఐబాల్ వెనుక భాగంలో రక్తనాళాలు ఎక్కువగా ఉన్న ప్రాంతం (రెటీనా చిత్రం) ప్రాంతాలు అని వారి విశ్లేషణ చూపిస్తుంది. జీవ వృద్ధాప్యంతో సంబంధం కలిగి ఉంటాయి.

ముఖం. నాలుక. రెటీనా.

జీవసంబంధమైన వయస్సును నిర్ణయించే సాధనాన్ని రూపొందించడం ప్రారంభించడానికి, ఉత్తర చైనాలోని 11,223 మంది వ్యక్తుల ముఖాలు, నాలుకలు మరియు రెటీనాల చిత్రాలను ఉపయోగించి పరిశోధకులు ఒక నమూనాకు శిక్షణ ఇచ్చారు. వారు ఆరోగ్యవంతమైన వ్యక్తులు కాబట్టి, వారి జీవసంబంధమైన వయస్సు వారి కాలక్రమానుసార వయస్సుతో సమానంగా ఉంటుందని భావించబడుతుంది. ఇది 300 మిలియన్ వేరియబుల్స్‌కి అనువదిస్తుంది, ఇది 1 ట్రిలియన్ పారామితులను కలిగి ఉన్న ChatGPT4 తర్వాత రెండవ అతి చిన్న సంఖ్య.

ఆరోగ్యకరమైన వ్యక్తుల జీవసంబంధమైన వయస్సుకు ప్రాక్సీగా కాలక్రమానుసారం అంచనా వేయడం “ఇతర వృద్ధాప్య గడియారాలతో పోలిస్తే ఒక సంవత్సరంలోపు మరింత ఖచ్చితమైనది” అని జాంగ్ చెప్పారు, ఇది ఒకే కొలతను ఉపయోగిస్తుంది.

ఏనుగు కథ వలె, ప్రతి పద్ధతి నుండి సమాచారం వృద్ధాప్యం యొక్క విభిన్న అంశాలను సంగ్రహిస్తుంది.

ఉదాహరణకు, ముఖ ముడతలు సూర్యరశ్మి లేదా కాలుష్యం వంటి పర్యావరణ కారకాలను సూచిస్తాయి. మరోవైపు, రెటీనా సన్నబడటం (కేంద్ర నాడీ వ్యవస్థలో భాగం) మరియు రక్త నాళాలకు నష్టం మెదడు మరియు ప్రసరణ వ్యవస్థ యొక్క ఆరోగ్యాన్ని ప్రతిబింబిస్తుంది. ఇంతలో, మీ నాలుక ఆకారం మరియు దాని పూత మీ మైక్రోబయోమ్ మరియు మీ గట్ ఆరోగ్యం గురించి క్లూలను అందిస్తుంది. ఈ అధ్యయనంలో భాగంగా, రక్త పరీక్షలు, మూత్ర పరీక్షలు, జీవనశైలి ప్రశ్నాపత్రాలు మరియు శారీరక పరీక్షలతో సహా సాధారణ ఆరోగ్య తనిఖీలతో అధ్యయనంలో పాల్గొనేవారిని ఐదేళ్లపాటు అనుసరించారు.

చేతిలో జీవసంబంధమైన వృద్ధాప్య గడియారంతో, ఝాంగ్ బృందం మధుమేహం మరియు గుండె జబ్బులు వంటి దీర్ఘకాలిక వ్యాధులతో బాధపడుతున్న అనారోగ్య వ్యక్తులపై మోడల్‌ను పరీక్షించారు, మోడల్‌ను అభివృద్ధి చేయడానికి ఉపయోగించిన అదే ఉత్తర చైనీస్ జనాభా నుండి తీసుకోబడింది. వీరిలో దక్షిణ చైనాలోని ఇతర ప్రాంతాల ప్రజలు కూడా ఉన్నారు.

ఊహించినట్లుగా, ఆరోగ్యవంతమైన వ్యక్తుల జీవసంబంధమైన వయస్సు వారి కాలక్రమానుసార వయస్సుతో సమానంగా ఉంటుంది. అయినప్పటికీ, ఎవరైనా ధూమపానం లేదా నిశ్చల జీవనశైలి వంటి అనారోగ్యకరమైన అలవాట్లను కలిగి ఉంటే లేదా దీర్ఘకాలిక వ్యాధిని కలిగి ఉంటే, వారి జీవసంబంధమైన వయస్సు వారి కాలక్రమానుసార వయస్సు కంటే పాతదిగా ఉంటుంది. AgeDiff అని పిలువబడే ఈ వ్యత్యాసం, దీర్ఘకాలిక గుండె జబ్బులు ఉన్నవారికి సగటున 3.16 సంవత్సరాల నుండి ధూమపానం చేసేవారికి సగటున 5.43 సంవత్సరాల వరకు ఉంటుంది.

జీవసంబంధమైన వయస్సు మరియు కాలక్రమానుసారం వేర్వేరుగా ఉన్నప్పుడు పరిణామాలు

మీ కాలక్రమానుసార వయస్సు కంటే జీవశాస్త్రపరంగా పాతది ఆరు సాధారణ వయస్సు-సంబంధిత వ్యాధులను అభివృద్ధి చేసే మీ ప్రమాదాన్ని ఎలా ప్రభావితం చేస్తుంది: దీర్ఘకాలిక గుండె జబ్బులు, దీర్ఘకాలిక మూత్రపిండ వ్యాధి, హృదయ సంబంధ వ్యాధులు, మధుమేహం, రక్తపోటు మరియు స్ట్రోక్ తెలుసుకోవడానికి, పరిశోధకులు 11,223 మందిని నాలుగు గ్రూపులుగా విభజించారు: అత్యధిక నుండి అత్యల్ప ఏజ్‌డిఫ్ వరకు. అధిక ఏజ్‌డిఫ్ ఉన్న వ్యక్తులు ఈ దీర్ఘకాలిక వ్యాధులలో ఒకదాన్ని అభివృద్ధి చేసే అవకాశం ఉంది మరియు ఏజ్‌డిఫ్ పెరిగినందున, ప్రమాదం కూడా పెరిగింది.

జీవితకాల వ్యాధిని అభివృద్ధి చేసే ప్రమాదానికి మించి ఏజ్‌డిఫ్ మనకు ఏమి చెబుతుందనే దానిపై జాంగ్ కూడా ఆసక్తి కలిగి ఉన్నాడు. ఎప్పుడు వ్యాధి అభివృద్ధి చెందుతుంది. మరో మాటలో చెప్పాలంటే, ఈ సంవత్సరం లేదా ఐదేళ్లలో ఎవరైనా మధుమేహంతో బాధపడుతున్నారా? సమయాన్ని తెలుసుకోవడం “నిజానికి జోక్యాలను రూపొందించడంలో చాలా సహాయకారిగా ఉంటుంది,” అని జాంగ్ చెప్పారు.

జాంగ్ బృందం కనుగొన్నది ఏమిటంటే, రక్తంలో చక్కెర, BMI మరియు కొలెస్ట్రాల్ వంటి సాంప్రదాయ కొలమానాల కంటే ఎవరైనా ఎప్పుడు జబ్బు పడతారో అంచనా వేయడంలో ఏజ్‌డిఫ్ మెరుగ్గా ఉంటుంది. ఈ ఇతర కారకాలతో ఏజ్‌డిఫ్‌ను కలపడం అంచనాలను మరింత ఖచ్చితమైనదిగా చేస్తుంది. BMI మరియు రక్తపోటు వంటి ఆరోగ్య సూచికలలో అసాధారణ విలువలు అధిక AgeDiff సంఖ్యలతో సంబంధం కలిగి ఉన్నాయని పరిశోధకులు కనుగొన్నారు.

శరీర గడియారం యొక్క భవిష్యత్తు

ప్రస్తుతం, జాంగ్ మరియు అతని బృందం దీర్ఘకాలిక వ్యాధులను అభివృద్ధి చేసే ప్రమాదం ఉన్న వ్యక్తులను గుర్తించడానికి మరియు ఈ రోగులలో ప్రతి ఒక్కరికి జోక్యాలను సూచించడానికి AgeDiffని ఉపయోగిస్తున్నారు. AgeDiff (ఉదాహరణకు, రక్తపోటు మరియు రక్తంలో చక్కెర స్థాయిలు)కి దగ్గరి సంబంధం ఉన్న ఆరోగ్య సూచికలను లక్ష్యంగా చేసుకోవడం ద్వారా, వారు “వృద్ధాప్యం యొక్క వ్యాధులు” యొక్క ఆగమనాన్ని క్రమపద్ధతిలో ఆలస్యం చేయాలని భావిస్తున్నారు.

వారు DNA మిథైలేషన్ వంటి ఇతర వేరియబుల్స్‌ను చేర్చడం ద్వారా మరియు ఇతర జాతుల నుండి ప్రయోగాత్మక విషయాలను చేర్చడం ద్వారా మోడల్‌ను మెరుగుపరుస్తున్నారు.

ఏజ్‌డిఫ్ వంటి సాధనాలు ఆరోగ్య సంరక్షణను ప్రజాస్వామ్యం చేయగలవు మరియు వ్యాధి వ్యాప్తి చెందకముందే నివారించే ఖర్చు మరియు ప్రయత్నాన్ని తగ్గిస్తాయి, స్నైడర్ చెప్పారు. ఈ క్రమంలో, జాంగ్ గ్రూప్ మోడల్‌కు అవసరమైన ఫోటోలను తీయగల iPhone అటాచ్‌మెంట్ మరియు అనుబంధిత యాప్‌ను అభివృద్ధి చేస్తోంది మరియు సంవత్సరం చివరి నాటికి పని చేసే నమూనాను కలిగి ఉండాలని భావిస్తోంది.

వ్యక్తిగతీకరించిన ఔషధం దీర్ఘకాలిక వ్యాధిని అభివృద్ధి చేసే వ్యక్తి యొక్క ప్రమాదాన్ని ఎలా తగ్గించగలదో అధ్యయనం చేసే స్నైడర్, ఈ సులభమైన మరియు అందుబాటులో ఉండే పరిష్కారాన్ని ఇష్టపడుతున్నారు. “రక్తం తీసుకోకుండా లేదా ప్రస్తుతం ప్రజలు చేస్తున్న అన్ని పరీక్షలు లేకుండా ఎవరైనా దీన్ని చాలా సులభంగా చేయగలరు” అని ఆయన చెప్పారు.