Исследователи раскрывают потенциал пригодных для носки датчиков и технологий ИИ для прогнозирования биологического возраста

      

        

Исследователи из биотехнологической компании долголетия (GERO) и Московского физико-технического института (МФТИ) показали, что данные физической активности, полученные из носимых, могут быть использованы для производства цифровых биомаркеров старения и хрупкости. Прорывная демонстрация не раскрывает возникающий потенциал объединения носимых датчиков и технологий ИИ для непрерывного мониторинга рисков для здоровья с обращением в реальном времени к страхованию жизни и здоровья, медицинским работникам и поставщикам услуг для здоровья.

Многие физиологические параметры демонстрируют плотные корреляции с возрастом. Различные биомаркеры возраста, такие как метилирование ДНК, экспрессия генов или уровни циркулирующего кровяного фактора, могут быть использованы для построения точных «биологических часов» для получения индивидуального биологического возраста и оценки скорости старения. Однако крупномасштабное биохимическое или геномное профилирование по-прежнему является логически сложным и дорогостоящим для любых практических применений, помимо академических исследований.

Недавнее введение доступных носимых датчиков позволяет собирать и облачно хранить личные оцифрованные записи активности. Это отслеживание уже сделано без вмешательства в повседневную работу сотен миллионов людей во всем мире.

Питер Федичев, доктор философии, директор по науке GERO, руководитель лаборатории MIPT, объясняет: «Искусственный интеллект является мощным инструментом распознавания образов и продемонстрировал выдающуюся производительность в визуальной идентификации объектов, распознавании речи и других областях. Недавние перспективные примеры в области медицины включают нейронные сети, демонстрирующие эффективность на уровне кардиолога при обнаружении аритмий в данных ЭКГ, получение биомаркеров возраста из клинической биохимии крови и прогнозирование смертности на основе электронных медицинских записей. Вдохновленные этими примерами, мы изучили потенциал ИИ для оценки рисков для здоровья, основанный на физической активности человека ».

Исследования проанализировали данные о физической активности и клинические данные из большого обзора состояния здоровья и питания США в 2003-2006 гг. (NHANES). Они обучили нейронную сеть прогнозировать биологический возраст и риск смертности участников от однодневных операций измерения активности. Современная сверкающая нейронная сеть была использована для распутывания наиболее биологически релевантных моделей движения и установления их отношения к общему здоровью и записанной продолжительности жизни. Новый алгоритм на основе AI, созданный учеными GERO, превзошел любые ранее доступные модели биологического возраста и смертности от тех же данных.

«Программы страхования жизни и здоровья уже начали предоставлять скидки своим пользователям на основе физической активности, контролируемой фитнес-браслетами. Мы сообщаем, что ИИ может использоваться для дальнейшего совершенствования моделей рисков. Сочетание теории старения с самыми мощными современными инструментами машинного обучения даст еще лучшие модели рисков для здоровья, чтобы смягчить риски долголетия в страховании, помочь в планировании пенсионных планов и внести вклад в предстоящие клинические испытания и будущее развертывание антивозрастных методов лечения », – заключает Питер Федичев.

Команда Gero Scientific уже разработала бесплатную бета-версию приложения iPhone Gero Lifespan, оценивая продолжительность жизни пользователя с помощью встроенного акселерометра для смартфонов.

      

  

            

Опубликовано в: Новости устройств / технологий | Новости медицинской науки | Новости медицинских исследований | Новости здравоохранения

Ключевые слова: аритмия, биохимия, биотехнология, биотехнология, кровь, клетка, ДНК, метилирование ДНК, электронные медицинские записи, ген, экспрессия генов, геномная болезнь, медицинское страхование, здравоохранение, смертность, питание, физическая активность, исследование, речь

            

      

Source link