Forschende haben Deep-Learning-Modelle entwickelt, die aus histopathologischen Ganzschnittbildern das biologische Alter einzelner Gewebearten schätzen. Die in „Nature Medicine“ veröffentlichte Arbeit beschreibt diese Modelle als „tissue clocks“ – Gewebeuhren. Sie sollen sichtbar machen, ob ein Organ statistisch schneller oder langsamer altert als aufgrund des tatsächlichen Alters zu erwarten wäre.
Für die Entwicklung wertete das Forschungsteam 25.712 Ganzschnittbilder aus 40 Gewebetypen von 983 Personen aus der Genotype-Tissue Expression-Kohorte aus. Die Daten stammen damit aus einer Forschungs- und Gewebebank-Kohorte, nicht aus einer Untersuchung lebender Patientinnen und Patienten im klinischen Alltag.
Über alle untersuchten Gewebearten hinweg schätzte das Modell das chronologische Alter mit einem mittleren absoluten Fehler von 4,88 Jahren. Der berichtete Bestimmtheitsmaß-Wert lag bei 0,69. Die rund fünf Jahre sind ein Durchschnittswert der Studie und keine Aussage darüber, wie genau das Modell bei einer einzelnen Person klinisch wäre.
Die Forschenden verglichen außerdem die geschätzten Gewebealter mit weiteren biologischen und klinischen Merkmalen. Eine größere Differenz zwischen dem geschätzten und dem tatsächlichen Alter war mit bekannten Alterungsmarkern verbunden, darunter kürzeren Telomeren, subklinischen pathologischen Veränderungen und einer höheren Zahl von Begleiterkrankungen. Eine solche Alterslücke ist dabei ein statistischer Abstand und keine eigenständige Diagnose.
Die Alterungsmuster unterschieden sich zwischen Organen und Geweben. In den Analysen fanden sich Personen, bei denen mindestens ein Gewebe deutlich schneller als erwartet alterte. Außerdem beschrieben die Forschenden Gruppen, deren Organe unterschiedlich synchron alterten. In Beispielen der Studie stand eine größere Altersabweichung im Kleinhirn mit Myelinverlust und ischämischen Veränderungen in Zusammenhang. Bei der Aorta wurde sie mit Wandverdickung und strukturellen Gefäßveränderungen verbunden. Diese Befunde stammen aus histologischen Forschungsdaten und sind nicht als klinische Vorhersage einer individuellen Erkrankung zu verstehen.
Die Studie geht über die bildbasierte Analyse hinaus. Durch die Kombination von Histologie- und Transkriptomdaten entwickelten die Forschenden einen Ansatz, der gewebespezifische Altersabweichungen aus Blutproben schätzen kann. „Aus Blut ablesen“ bedeutet dabei eine modellgestützte Berechnung: Das Gewebe wurde nicht direkt aus einer Blutprobe mikroskopisch untersucht.
KontextKann eine Blutprobe schon heute zuverlässig zeigen, welches Organ bei einem Menschen zu schnell altert?
Noch nicht in dem Sinn, dass sich damit bei gesunden Menschen zuverlässig eine spätere Erkrankung vorhersagen ließe. Die Forschenden validierten den blutbasierten Ansatz zwar in unabhängigen Kohorten für acht Krankheiten, darunter Alzheimer, Schlaganfall und Morbus Crohn. Nach der verfügbaren fachjournalistischen Einordnung umfassten diese Blutanalysen jedoch bereits erkrankte Personen. Der Ansatz zeigt daher bislang vor allem, dass sich Gewebealterungs-Muster indirekt aus Blutmessungen modellieren lassen. Eine Blutprobe untersucht das Organ dabei nicht direkt unter dem Mikroskop. Ob sich damit Krankheiten Jahre vor ersten Symptomen erkennen und ein Screening durchführen lässt, ist durch diese Studie noch nicht belegt.
2 zusätzliche Kontextquellen
Die Ergebnisse liefern damit eine Forschungsgrundlage, um organspezifische Alterung und mögliche Risikomarker weiter zu untersuchen. Die Modelle sind jedoch kein für die Routineversorgung belegter Diagnosetest und ersetzen weder eine ärztliche Untersuchung noch etablierte Diagnostik.
Quellen & Beleglage
1 Quellen zur NachrichtEineNachricht formuliert eigenständig. Die Angaben unten beschreiben, wofür die jeweilige Quelle in dieser Fassung verwendet wurde; die Quellenart ist kein Gütesiegel für sämtliche Aussagen der Quelle.
Verwendet für: Die Primärstudie belegt die Entwicklung der bildbasierten Gewebeuhren, die untersuchten Daten und Leistungswerte, die organspezifischen Alterungsmuster sowie den modellgestützten Ansatz zur Ableitung von Gewebealter aus Blutproben.
Quelle öffnen ↗ (öffnet in neuem Tab)