News Release

Das neue KI-System von Deep Longevity identifiziert Marker für psychologisches Altern

Psychologisches Altern gemessen mit neuronalen Netzen PsychoAge und SubjAge in Verbindung mit dem Mortalitätsrisiko.

Peer-Reviewed Publication

Deep Longevity Ltd

Scientists Publish the First Human Psychological Aging Clock Using Artificial Intelligence

image: Scientists at Deep Longevity published the first set of psychomarkers of aging developed using deep learning to track the changes in human psychology and assess the effectiveness of interventions, life events, and external events. The new PsychoAge and SubjAge aging clocks were linked to mortality risk. view more 

Credit: Mary Mitina

(16. Dezember 2020, Hongkong) Heute hat Deep Longevity, ein in Hongkong ansässiges Startup für Langlebigkeit, die ersten KI-gestützten psychologischen Alterungsuhren veröffentlicht, um psychosoziale Faktoren im Kontext des Alterns zu analysieren und zu interpretieren. Deep Longevity-Forscher, zusammen mit dem Gründer der XPRIZE Foundation, Peter Diamandis, veröffentlichten ihre Ergebnisse im Zeitschriftenartikel „PsychoAge and SubjAge: Entwicklung tiefer Marker für psychologisches und subjektives Alter mithilfe künstlicher Intelligenz".

Alterungsmodelle, die den Alterungsprozess des Menschen mithilfe verschiedener Biodatentypen genau quantifizieren können, gehören zu den wichtigsten jüngsten Fortschritten auf dem Gebiet der Langlebigkeitsforschung. Solche Modelle werden als alternde Uhren bezeichnet und werden am häufigsten für molekulare Merkmale auf niedriger Ebene entwickelt. Letzte Woche veröffentlichte Deep Longevity eine solche Alterungsuhr basierend auf DNA-Methylierungsmarkierungen, die gegenüber allen anderen vergleichbaren Lösungen eine überlegene Leistung zeigte.

Trotz massiver Fortschritte bei der Alterung der Uhrentechnologie wurde der psychologische Aspekt des Alterns stark unterschätzt. Die kürzlich veröffentlichte Studie soll diese Lücke schließen, indem zwei AI-basierte Altersvorhersagen demonstriert werden: PsychoAge (das das chronologische Alter vorhersagt) und SubjAge (das die Wahrnehmung der persönlichen Alterungsrate beschreibt). Diese Modelle wurden anhand einer Sammlung von> 10.000 Fragebögen trainiert, die von Personen im Alter von 25 bis 75 Jahren im Rahmen der Studie „Midlife in the United States (MIDUS)" der MacArthur Foundation ausgefüllt wurden. Die in der Veröffentlichung vorgestellten Modelle wurden in 15-Fragen-Umfragen überarbeitet, die bei Young.AI erhältlich sind, damit die Menschen Schätzungen ihres psychischen Alters herausfinden können.

Die Autoren der Studie überprüften das SubjAge anhand großer unabhängiger Datensätze und stellten fest, dass eine höhere SubjAge-Schätzung ein signifikanter Gesamtmortalitätsrisikofaktor ist. Insbesondere ist es doppelt so wahrscheinlich, dass eine Person, deren SubjAge fünf Jahre höher ist als das von ihr gemeldete subjektive Alter, doppelt so häufig stirbt wie eine Person mit normaler Alterswahrnehmung.

Die Autoren weisen auch darauf hin, wie SubjAge therapeutisch manipuliert werden kann, damit sich Patienten jünger fühlen und somit ihr Mortalitätsrisiko verringert wird. Zum Beispiel kann die Entwicklung der Offenheit für neue Erfahrungen die SubjAge-Vorhersage um sieben Jahre reduzieren. Wenn Sie die Messlatte hoch halten, produktiv sein und sich nicht von schwer erreichbaren Zielen zurückziehen, wird die psychologische Alterungsuhr einer Person um weitere vier Jahre verkürzt.

"Zum ersten Mal kann AI die Biomarker des psychologischen und subjektiven Alters vorhersagen, indem sie psychosoziale Datenkombinationen unter Verwendung tiefer neuronaler Netze und der neuesten Fortschritte bei alternden Uhren berechnet", sagte Alex Zhavoronkov, PhD, Gründer und CEO von Deep Longevity und Co-Autor der Studie. „Die eigene Denkweise kann die Entscheidungen bestimmen, die sich letztendlich auf die allgemeine Gesundheit auswirken. Durch die Identifizierung der psychosozialen Variablen, die bestimmten Denkweisen und Verhaltensweisen zugrunde liegen, können tiefe psychologische Uhren als wirksames Instrument zur Förderung der persönlichen Verbesserung, der psychischen Gesundheit, des Wohlbefindens und einer Vielzahl anderer gesundheitlicher und therapeutischer Anwendungen dienen. "

In Folgestudien zum psychischen Altern plant Deep Longevity, Unterschiede in der Wahrnehmung des Alterns zwischen Männern und Frauen zu untersuchen, psychosoziale Marker im Zusammenhang mit der psychischen Gesundheit zu untersuchen und ein integriertes Modell für das Gespräch zwischen psychisch-physischer Gesundheit zu erstellen.

###

Über Young.AI: Young.AI ist eine AI-gestützte Langlebigkeits-Webplattform und iOS-App, die mit dem Produkt Deep Longevity erstellt wurde. Young.AI-Benutzer können auf eine Vielzahl von Tools zur Alterungsanalyse zugreifen, einschließlich psychologischer und subjektiver Altersschätzung, um eine produktive Langlebigkeit zu erreichen.

Über Deep Longevity: Deep Longevity wurde ursprünglich von Insilico Medicine gegründet und 2020 von Regent Pacific Group Limited (SEHK: 0575.HK), einer spezialisierten Investmentgruppe für Gesundheitswesen, Wellness und Biowissenschaften, übernommen. Deep Longevity entwickelt erklärbare künstliche Intelligenzsysteme, um die Alterungsrate auf molekularer, zellulärer, Gewebe-, Organ-, System-, physiologischer und psychologischer Ebene zu verfolgen. Es entwickelt auch Systeme für das aufstrebende Gebiet der Langlebigkeitsmedizin, die es Ärzten ermöglichen, bessere Entscheidungen über die Interventionen zu treffen, die den Alterungsprozess verlangsamen oder umkehren können. Deep Longevity entwickelte die LaaS-Lösung (Longevity as a Service) zur Integration mehrerer tiefer Biomarker des Alterns, die als "Deep Aging Clocks" bezeichnet werden, um ein universelles multifaktorielles Maß für das biologische Alter des Menschen bereitzustellen. http://longevity.ai


Disclaimer: AAAS and EurekAlert! are not responsible for the accuracy of news releases posted to EurekAlert! by contributing institutions or for the use of any information through the EurekAlert system.