KI enthüllt: Rauchen beschleunigt biologisches Altern – Männer 1,5×, Frauen 2× chronologisches Alter

Ingenieure nutzen Deep-Learning-Methoden, um biologisches Alter basierend auf Tabakrauchen vorherzusagen. Raucher waren biologisch etwa 1,5-mal (Männer) bzw. 2-mal (Frauen) so alt wie ihr chronologisches Alter im Vergleich zu Nichtrauchern.

Deep-Learning-Altersvorhersagemodelle

Rauchen führt zu schweren Erkrankungen und schädigt fast alle Organe. Laut CDC leben über 16 Millionen US-Amerikaner mit rauchbedingten Krankheiten. Weltweit verursacht es jährlich über 6 Millionen Todesfälle.

Zahlreiche Studien belegten den Zusammenhang zwischen Rauchen und Herz-Kreislauf-Erkrankungen, Krebs und Gesamtsterblichkeit. Doch es gab keine informativen Tests zur Analyse der Raucheffekte auf die biologische Alterungsrate.

Ein internationales Forscherteam demonstrierte nun, dass Rauchstatus aus Zellzählern und Blutbiochemie vorhergesagt werden kann. Sie nutzten Deep Learning, um zu bestimmen, dass Rauchen Menschen biologisch älter macht.

Trainingsdaten

Tabakrauchen belastet Gesundheitssysteme durch Morbidität, Tod und mögliche vorzeitige Alterung. Dass Rauchen älter macht, klingt wie gesunder Menschenverstand, wurde aber nie durch KI beleuchtet und quantifiziert.

In dieser Studie nutzten Forscher altersvorhersagebasierte Modelle mit überwachten Deep-Learning-Methoden und entdeckten: Raucher wiesen höhere Alterungsraten auf als Nichtraucher – unabhängig von Nüchternblutzucker und Cholesterinverhältnissen.

Referenz: Nature | doi:10.1038/s41598-018-35704-w | University of Lethbridge

Diese Modelle wurden weiter genutzt, um die Beschleunigung der biologischen Alterung durch Tabak zu bestimmen. Die massiven Datensätze sehen wie Zahlenwüsten aus, nicht effizient verarbeitbar mit konventionellen Algorithmen. Deshalb nutzten Forscher KI, um Hauptmuster in grundlegenden Blutwerten zu erkennen.

Training

Forscher untersuchten Daten von 149.000 anonymen Blutbiochemie-Datensätzen, davon 49.000 Raucher. Sie trainierten überwachte Feed-Forward-Deep-Neural-Networks auf diesen Daten, mit NVIDIA TITAN Xp GPUs und CUDA Deep Learning Frameworks.

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

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

Ergebnis: Männliche Raucher wurden als 1,5-mal so alt wie ihr chronologisches Alter im Vergleich zu Nichtrauchern vorhergesagt, weibliche Raucher als doppelt so alt.

Die Ergebnisse zeigen, dass Deep-Learning-Assays typischer Bluttests die fehleranfälligen Selbstauskünfte zum Rauchstatus ergänzen könnten. Tatsächlich erweiterbar auf andere Alterungsfaktoren und Tabakeffekte auf Krankheiten wie Diabetes.

Zudem können die neuronalen Netze Gesundheitstrajektorien bestimmen oder messen, inwieweit andere Expositionen, genetische Risiken und Ernährungsfaktoren Alterung und Gesundheit beeinflussen.