Doğum günü pastanızdaki mumları sayarak öğrenebileceğiniz kronolojik yaş, zamanın geçişinin basit bir göstergesidir. Ancak vücudunuzun fizyolojik ve moleküler sistemlerinin zaman içinde ne kadar ilerlemiş olduğunu gösteren biyolojik yaş, çok daha karmaşık bir kavramdır. Yaşlanma saatleri olarak da bilinen biyolojik yaşlanma testleri, organlarınızın, hücrelerinizin ve sistemlerinizin sağlıklı bir temel çizgiye kıyasla ne kadar iyi işlev gördüğünü ölçerek, yaşa bağlı hastalık, engellilik ve erken ölüm riskini tahmin edebilir. MIT'de biyomedikal mühendisliği alanında yardımcı doçent olan Eric Sun, biyolojik yaş tanımlamasının oldukça zor olduğunu, çünkü bu kavramın saf kronolojik yaştan çok daha soyut ve karmaşık olduğunu belirtmiştir. Biyolojik yaşlanma saatleri, vücudunuzun zaman içinde nasıl performans gösterdiğini ve gelecekte çeşitli hastalıklara karşı ne tür riskler ve kırılganlıklarla karşı karşıya olabileceğinizi anlamak için geliştirilmiştir.
Biyolojik yaşlanma saatleri nasıl tanımlanır?
Yeni bir pilin %100 kapasitesiyle başlaması ancak zamanla bu kapasitesinin düşmesi gibi, biyolojik yaş da vücudunuzun işlevsel kapasitesinin bir ölçüsüdür. Araştırmacılar ve klinisyenler, bu kapasiteyi ölçmek için omik saatler veya biyolojik yaş testleri olarak da bilinen yaşlanma saatleri adı verilen araçları kullanırlar. Yaşlanma saatleri halen geliştirilme aşamasında olsa da, bu alandaki bilim hızla ilerlemektedir. İlk yaşlanma saati tanımlamaları 2013 yılında bilimsel dergilerde yayınlandı ve o tarihten bu yana, araştırmacılar protein profilleri, bağışıklık sistemi işlevi ve epigenetik modifikasyonlar gibi çeşitli ölçütler aracılığıyla biyolojik yaşı ölçen düzinelerce farklı yaşlanma saati geliştirmiştir. Epigenetik modifikasyonlar, DNA'nın temel genetik kodunu değiştirmeden genlerin nasıl çalıştığını etkileyen DNA değişiklikleridir ve yaşlanma sürecini anlamada kritik bir rol oynarlar.
Yaşlanma saatleri makine öğrenmesi ile nasıl çalışıyor?
Yaşlanma saatleri tipik olarak makine öğrenimi modelleri üzerine inşa edilir; bu modeller, verilerdeki gizli kalıpları tanıyan ve bu kalıplara dayalı tahminler yapan istatistiksel sistemlerdir. Bu modeller, regresyon adı verilen matematiksel bir tekniğe dayanır ve bu teknik, birçok değişkene ve bu değişkenlerin tahmin için göreceli önemine ağırlıklar olarak bilinen değerlere dayalı olarak olayların olasılığını tahmin etmeye çalışır. Basit terimlerle, modeller her değişkeni kendi ağırlığıyla çarpar ve tüm ağırlıklı değişkenleri toplayarak nihai bir olasılık elde eder. Örneğin, akciğer kanseri riskini tahmin eden bir regresyon modeli, sigara içme geçmişini 1'e yakın ağırlıklandırabilir çünkü bu faktör akciğer kanseriyle çok güçlü bir şekilde ilişkilidir; ancak radon maruziyetini daha düşük ağırlıklandırır çünkü bu faktör akciğer kanseri riskinin tahmini açısından o kadar belirleyici değildir.
Yaşlanma saatleri geliştirmede kullanılan makine öğrenimi modelleri, binlerce biyobelirteç veri noktası üzerinde eğitilir. Biyobelirteçler, genellikle kan örneklerinden alınan ancak her zaman değil, belirli bileşiklerin ölçümleridir ve bir durum veya biyolojik süreç için vekil ölçü görevi görür. Örneğin, normalden yüksek C-reaktif protein ve beyaz kan hücresi sayısı seviyeleri, bağışıklık sisteminin bir enfeksiyona yanıt verdiğini gösterir. Kan, biyobelirteçlerin mükemmel bir kaynağıdır çünkü tüm vücutta dolaşır ve hastalık belirtilerini kaçınılmaz olarak taşır. MIT'deki araştırmacı Eric Sun, kanın vücudun her köşesine ulaştığı için hastalık ve yaşlanma sürecinin izlerini taşıdığını açıklamıştır. Yaşlanma saatleri ayrıca veri setine örnek sağlayan kişilerin kronolojik yaşları ve sağlık durumları üzerinde de eğitilir.
Algoritma bu verileri analiz eder ve kalıplar arar; bu, makine öğreniminin ana gücüdür. Orijinal veri setine dahil edilmemiş yeni veri noktalarını yorumlamak için bir dizi kural ortaya çıkar. Bu şekilde, belirli bir kişinin sağlığı hakkında, yaşını veya sağlık durumunu bilmese bile tahminler yapabilir. Sistem sadece orijinal verilerden çekilen biyobelirteçlere ve keşfedilen kalıplara dayanarak çalışır. Yaşlanma saatleri bu nedenle, vücudunuzun gerçek biyolojik durumunun daha doğru bir yansıması olarak kabul edilir ve gelecekteki hastalık risklerini önceden tahmin etmede güçlü bir araç haline gelmiştir.
