Các nhà khoa học tại Đại học Osaka, Nhật Bản mới đây đã phát triển một mô hình trí tuệ nhân tạo (AI) có khả năng ước tính tuổi sinh học của con người. Chỉ sử dụng 5 giọt máu, hệ thống có thể phân tích 22 loại hormone steroid chính và cách chúng tương tác để đưa ra đánh giá sức khỏe một cách chính xác hơn.

Khác với tuổi theo thời gian, tuổi sinh học phản ánh mức độ lão hóa thực sự của cơ thể do chịu ảnh hưởng bởi di truyền, lối sống và môi trường. Các phương pháp truyền thống để đo lường tuổi sinh học thường dựa trên dấu hiệu sinh học lớn như mức protein hay methyl hóa ADN, nhưng thường bỏ qua mạng lưới hormone phức tạp trong cơ thể.

"Cơ thể người dựa vào hormone để duy trì cân bằng nội môi. Vì vậy chúng tôi nghĩ, tại sao không sử dụng chúng làm chất chỉ thị chính của lão hóa?", nữ tiến sĩ Qiuyi Wang, đồng tác giả nghiên cứu, cho biết. Để kiểm tra ý tưởng này, nhóm nghiên cứu đã tập trung vào các hormone steroid, đóng vai trò thiết yếu trong quá trình trao đổi chất, chức năng miễn dịch và phản ứng với căng thẳng.

Nhóm nghiên cứu phát triển một mô hình mạng thần kinh nhân tạo sâu (DNN) kết hợp các con đường chuyển hóa steroid để giải thích rõ sự tương tác giữa những phân tử steroid khác nhau. Đây là mô hình AI đầu tiên có thể lý giải cụ thể mối liên kết giữa các phân tử steroid, không chỉ dựa vào mức hormone tuyệt đối mà còn xem xét tỷ lệ giữa chúng.

Nghiên cứu, được công bố trên tạp chí Science Advances ngày 14/3, cho thấy sự khác biệt về tuổi sinh học có xu hướng gia tăng theo thời gian. Đặc biệt, nhóm nghiên cứu phát hiện khi mức cortisol – hormone liên quan đến căng thẳng – tăng gấp đôi, tuổi sinh học cũng tăng khoảng 1,5 lần. Điều này củng cố quan điểm rằng căng thẳng mãn tính có thể thúc đẩy quá trình lão hóa.

(Từ trái sang phải) Giáo sư Toshifumi Takao, tiến sĩ Qiuyi Wang, tiến sĩ Zi Wang, giáo sư Kenji Mizuguchi tại Đại học Osaka phát triển mô hình AI ước tính tuổi sinh học.

Nhóm nghiên cứu tin rằng mô hình AI này có thể được áp dụng để theo dõi sức khỏe một cách cá nhân hóa hơn, phát hiện sớm các dấu hiệu lão hóa và phát triển chương trình chăm sóc sức khỏe phù hợp với từng cá nhân. Các chuyên gia hy vọng rằng trong tương lai, công nghệ này có thể hỗ trợ đưa ra khuyến nghị về lối sống của từng cá nhân nhằm làm chậm quá trình lão hóa.

Dù đạt được bước tiến quan trọng, nhóm nghiên cứu nhấn mạnh rằng lão hóa sinh học là một quá trình phức tạp chịu tác động của nhiều yếu tố khác ngoài hormone. "Đây chỉ là khởi đầu. Bằng cách mở rộng bộ dữ liệu và tích hợp thêm các dấu hiệu sinh học bổ sung, chúng tôi hy vọng sẽ hoàn thiện mô hình hơn nữa và thu được những hiểu biết sâu sắc hơn về cơ chế lão hóa", Tiến sĩ Zi Wang, đồng tác giả nghiên cứu, cho biết.