Posts etiquetados con ‘machine learning’

La edad es algo más que un número. El aprendizaje automático podría predecir el envejecimiento

Los profesionales médicos y la ciencia han observado durante mucho tiempo que la edad biológica y la edad cronológica no siempre coinciden. Un niño de 5 años puede presentar muchos signos de vejez y padecer numerosas enfermedades relacionadas con la edad, mientras que un una persona mayor de 80 años puede ser sano y robusto. Si bien los factores ambientales como la dieta, la actividad física y otros factores juegan un papel muy importante, hay muchos otros factores que contribuyen también a diferenciar cómo algunas personas envejecen mejor que otras. Esos factores siguen siendo aún poco conocidos…

Hace pocos días un estudio publicado en la revista Genome Biology , un equipo de investigadores del Instituto Salk de Estudios Biológicos de California, ha desarrollado un proyecto de investigación mediante el análisis de células de la piel en muestras humanas tomados de 133 individuos sanos con edades comprendidas entre 1 y 94 años, con el objetivo de encontrar ”firmas moleculares” que puedan predecir la edad biológica. Los investigadores se centraron en un tipo de célula de la piel llamada fibroblastos dérmicos, que generan tejido conectivo y ayudan a la piel a sanar después de una lesión. Eligieron este tipo de células por dos razones: primero, las células son fáciles de obtener con una biopsia de piel simple y no invasiva; en segundo lugar, estudios anteriores indicaron que es probable que los fibroblastos contengan firmas de envejecimiento. Esto se debe a que, a diferencia de la mayoría de los tipos de células que se regeneran por completo cada pocas semanas o meses, un subconjunto de estas células permanecen durante toda nuestra vida.

Para obtener una muestra representativa, el equipo estudió un promedio de 13 personas por cada década de edad. El laboratorio cultivó las células para multiplicarlas, luego usó un método llamado secuenciación del ARN (RNA-Seq) para buscar biomarcadores en las células que cambian a medida que las personas envejecen. La peculiaridad de la investigación ha sido la utilización de técnicas de aprendizaje automático e inteligencia artificial mediante el entrenamiento de algoritmos personalizados para clasificar los datos del RNA-Seq. El equipo encontró ciertos biomarcadores que indicaban el envejecimiento y podían predecir la edad de una persona con un error de menos de ocho años de promedio. Para la validación del algoritmo, el equipo utilizó fibroblastos de 10 pacientes con progeria, una enfermedad genética caracterizada por el envejecimiento prematuro. Basado en el análisis de las firmas moleculares de estos pacientes, que tenían entre dos y ocho años, el modelo predijo que sería aproximadamente una década mayor que su edad cronológica.

El objetivo de perfeccionar este algoritmo es que pueda predecir un envejecimiento saludable y un envejecimiento no saludable, y tratar de encontrar las diferencias. El estudio trata de proporcionar una base para abordar las cuestiones no resueltas en el envejecimiento humano, como es la cuantificación de la tasa de envejecimiento en momentos de estrés.

El análisis del equipo de Salk fue diferente de los enfoques anteriores tomados por otros laboratorios para estudiar el envejecimiento biológico. La mayoría de los estudios anteriores se centraron en los cambios en solo unos pocos sitios de metilación del ADN, en lugar de observar los cambios de expresión en todo el genoma. El conjunto de datos también fue mucho más grande que cualquier investigación de este tipo que se haya hecho antes, porque incluía a muchas personas que representan un rango de décadas. Los investigadores han hecho públicos los datos para que otros investigadores puedan usarlos.

Desarrollar una mejor comprensión de los procesos biológicos del envejecimiento podría eventualmente ayudar a abordar las condiciones de salud que son más comunes en la vejez, como las enfermedades cardíacas y la demencia. Además si los hallazgos son validados, los médicos podrían usar este tipo de análisis para determinar cuándo comenzar a evaluar a sus pacientes para detectar afecciones relacionadas con la edad y aconsejarles de forma preventiva sobre opciones de estilo de vida saludables más personalizadas.

El siguiente paso de la investigación será buscar estas firmas moleculares en otros tipos de células para confirmar estas hipótesis.

Referencia: Jason G. Fleischer, Roberta Schulte, Hsiao H. Tsai, Swati Tyagi, Arkaitz Ibarra, Maxim N. Shokhirev, Ling Huang, Martin W. Hetzer, Saket Navlakha. Predicting age from the transcriptome of human dermal fibroblastsGenome Biology, 2018; 19 (1) DOI: 10.1186/s13059-018-1599-6

Etiquetas: , , , , ,

El espacio también puede ayudar en la innovación sobre el envejecimiento de la población

GPM Core ObservatoryEs indudable el proceso de envejecimiento de la población a nivel mundial y cómo el rango de población de mayor de 60 años esta creciendo más rápido que cualquier otro grupo de edad. Este “terremoto” demográfico sin duda tendrá efectos económicos y sociales si no conseguimos adaptar nuestra sociedad al gran beneficio que supone tener más años de vida. Para ello la innovación puede ser uno de los principales factores para conseguir esa adaptación y esta innovación puede provenir de multiples y heterogeneos campos de investigación, tan diferentes como las nuevas soluciones que presenta un ámbito que aparentemente esta tan alejado del envejecimiento como es la demografía geoespacial.

En los últimos años, la Unión Europea ha lanzado iniciativas destinadas a abordar los desafíos que enfrenta el envejecimiento de la población. Para ello se esta desarrollando una industria al rededor de la denominada “Silver Economy” que aborda los aspectos y necesidades más específicas de este grupo de población, como son los aspectos de la vivienda y la adaptación de las ciudades a estas especificidades.

Pero, ¿ dónde y cómo vivirán en el futuro exactamente las personas más mayores? Sin esta información importante, la construcción de estrategias para atender adecuadamente a las personas mayores (una cohorte diversa y heterogénea que incluye tanto a los que están enfermos como a los que disfrutaran de una buena salud con motivaciones y actividades diversas), por lo que será difícil satisfacer sus necesidades con éxito.

La buena noticia es que una nueva generación de modelos de dinámica poblacional, se están apoyando en las nuevas imágenes de satelites de alta resolución para innovar, generando modelos que puedan predecir dónde es probable que vivan en el futuro las personas mayores en los núcleos urbanos. Un estudio reciente financiado por la Agencia Espacial Europea examinó este desafío. Los resultados preliminares de este experimento, llamado AgeSpot, se dieron a conocer recientemente.

En pocas palabras, el trabajo del equipo era predecir la densidad de personas mayores (de 65 años en adelante) que viven en un lugar determinado en cualquier momento durante los próximos 20 años.

Mediante la aplicación de técnicas de modelado econométrico y demográfico, el uso de los datos censales, junto con la utilización de los datos de los satélites actuales, y mediante técnicas de machine learning e inteligencia artificial, se entrenó a algoritmos de predicción para encontrar patrones de relaciones entre los humanos y su entorno físico. Y, como resultado, algunos de estos patrones se ha encontrado que son muy buenos predictores de quién probablemente vive al lado, dos puertas abajo, o a cinco paradas de metro.

La ciudad elegida para llevar acabo este estudio fue Viena, Austria, una ciudad europea de tamaño medio con tendencias poblacionales estables y una gran cantidad de registros abiertos al público. Como paso preliminar, el motor analítico de AgeSpot fue alimentado con entradas de varias fuentes de datos que finalmente le permitieron predecir la distribución actual de edades a nivel agregado con más del 95% de grado de precisión.

En la siguiente figura se muestra los datos censales de la población mayor, su localización y concentración en la ciudad y a la derecha la predicción que los algoritmos desarrollaron con los datos obtenidos de los satélites.

Cómo se puede observar, en el gráfico de la derecha que es el de la predicción, además de obtener una mayor precisión y resolución de los datos de concentración de la población mayor, los patrones obtenidos por el algoritmo son muy similares a los datos censales. Esta metodología innovadora tendría múltiples utilidades, como pueden ser una mejor planificación de las leyes urbanísticas, planificación y optimización de infraestructuras, mejor planificación de los presupuestos de servicios sociales, campañas locales y regionales, etc. En los países en desarrollo cuyas sociedades y economías están cambiando rápidamente y donde el censo (con datos muy desactualizados), la planificación pública y la prestación de servicios se ven obstaculizados por muchas limitaciones, las aplicaciones para aprovechar este tipo de herramientas parecen ilimitadas, para el mejor desarrollo de estas ciudades y su adaptación a la población cada vez más longeva.

Fuente: Auropean Space AgencyThe Brookings Institution.

Etiquetas: , , , , , , ,