KI stellt fest, dass Rauchen Menschen biologisch älter macht

• Ingenieure verwenden Deep-Learning-Methoden, um das biologische Alter basierend auf dem Tabakrauchen vorherzusagen.
• Männliche Raucher waren im Vergleich zu Nichtrauchern etwa 1,5-mal so alt wie ihr chronologisches Alter.
• Weibliche Raucherinnen waren voraussichtlich doppelt so alt wie ihr chronologisches Alter als Nichtraucherinnen.

Rauchen führt zu schweren Krankheiten und schädigt fast alle Organe des Körpers. Nach Angaben der Centers for Disease Control and Prevention leben in den Vereinigten Staaten mehr als 16 Millionen Menschen mit einer durch das Rauchen verursachten Krankheit. Weltweit verursacht es jedes Jahr über 6 Millionen Todesfälle.

Zahlreiche Studien haben bereits gezeigt, dass ein Zusammenhang zwischen Rauchen und Herz-Kreislauf-Erkrankungen, Krebs und der Gesamtmortalität besteht. Wir haben jedoch keine aussagekräftigen Tests zur Analyse der Auswirkungen des Rauchens auf die Geschwindigkeit des biologischen Alterns.

Nun hat ein internationales Forscherteam gezeigt, dass sich der Raucherstatus anhand der Zellzahlergebnisse und der Blutbiochemie vorhersagen lässt. Sie nutzten die Kraft des Deep Learning, um festzustellen, dass Rauchen die Menschen biologisch älter macht.

Deep Learning-basierte Altersvorhersagemodelle

Tabakrauchen übt einen extremen Druck auf die Gesundheitssysteme aus, was zu Morbidität, Tod und möglicherweise vorzeitigem Altern führt. Dass Rauchen älter macht, klingt nach gesundem Menschenverstand, wurde aber bisher noch nie mit künstlicher Intelligenz beleuchtet und quantifiziert.

In dieser Studie verwendeten die Forscher Altersvorhersagemodelle, die auf überwachten Deep-Learning-Methoden basieren, und fanden heraus, dass Raucher unabhängig von ihrem Nüchternglukose- und Cholesterinverhältnis höhere Alterungsraten aufwiesen als Nichtraucher.

Referenz:Natur | doi:10.1038/s41598-018-35704-w | Universität Lethbridge

Diese Modelle wurden dann weiter verwendet, um die Beschleunigung der biologischen Alterung durch Tabakkonsum zu bestimmen. Die riesigen Datensätze sehen aus wie ein Haufen Zahlen, die mit herkömmlichen Algorithmen nicht effizient verarbeitet werden könnten. Aus diesem Grund haben Forscher künstliche Intelligenz verwendet, um wichtige Muster in allgemeinen grundlegenden Blutwerten zu erkennen.

Schulung

Die Forscher untersuchten Daten aus 149.000 anonymen biochemischen Blutproben, von denen 49.000 Raucher waren. Sie trainierten eine Reihe von überwachten Feed-Forward-Deep-Neural-Networks auf diesen Datensätzen unter Verwendung von NVIDIA TITAN Xp-GPUs mit CUDA-Deep-Learning-Frameworks.

Design der Deep-Learning-Studie | Mit freundlicher Genehmigung der Forscher

Das Netzwerk beobachtete 66 Blutbiochemie- und Zellzahlmarker, darunter Serumferritin, Nüchternserumglukose, Blutharnstoff und Hämoglobin.

Den Ergebnissen zufolge wurden männliche Raucher 1,5-mal so alt wie ihr chronologisches Alter im Vergleich zu Nichtrauchern vorhergesagt, während weibliche Raucher doppelt so alt wie ihr chronologisches Alter vorhergesagt wurden als Nichtraucher.

Die Ergebnisse deuten darauf hin, dass ein Deep-Learning-Assay typischer Bluttests die fehleranfälligen Techniken der Selbstauskunft über den Raucherstatus ergänzen könnte. Tatsächlich könnte es erweitert werden, um andere Faktoren des Alterns zu bewerten und die Auswirkungen des Tabakkonsums auf andere Krankheiten wie Diabetes zu analysieren.

Lesen Sie:Sogar Mumien des 16. Jahrhunderts hatten eine Herzkrankheit

Darüber hinaus können die neuronalen Netze verwendet werden, um Gesundheitsverläufe zu bestimmen oder das Ausmaß zu messen, in dem zahlreiche andere Expositionen, genetische Risiken und Ernährungsfaktoren das Altern und die Gesundheit beeinflussen.