🧬 biology

Does AI-predicted biochemical age predict death? A cross-validated re-examination in NHANES 1999–2018 with linked mortality follow-up

Este estudio demuestra que, si bien los modelos complejos de aprendizaje automático pueden predecir con mayor exactitud la edad cronológica a partir de la química sanguínea, sus métricas de "aceleración de la edad" resultantes son menos efectivas para predecir la mortalidad que los modelos más simples o los biomarcadores entrenados directamente en resultados de mortalidad, revelando que el objetivo de entrenamiento, en lugar de la complejidad del modelo o los biomarcadores, es el factor crítico para desarrollar predictores de edad biológica útiles.

Autores originales: John Feng

Publicado 2026-08-06

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: John Feng

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina que estás tratando de adivinar qué tan rápido se está desgastando un coche simplemente mirando el odómetro. En el mundo de la ciencia del envejecimiento, existe una idea popular llamada "edad biológica". La teoría es simple: dos personas pueden tener la misma edad en años (edad cronológica), pero una puede sentirse y funcionar como si fuera mucho mayor o menor debido a cómo su cuerpo está envejeciendo realmente. Los científicos han estado construyendo "relojes biológicos" para medir esto. Usualmente, lo hacen entrenando a una computadora para que observe los resultados de los análisis de sangre de una persona y adivine su edad. Si la computadora adivina que eres mayor de lo que realmente eres, la idea es que estás envejeciendo más rápido de lo normal. Esta "edad extra" se llama "aceleración del envejecimiento", y muchos investigadores esperan que pueda predecir quién se enfermará o morirá antes. Pero aquí está la gran pregunta: ¿Nos dice realmente algo útil una computadora que es muy buena adivinando tu edad el hecho de cuánto vivirás?

Este artículo, escrito por el investigador John Feng, se sumerge directamente en esa pregunta utilizando un conjunto masivo de datos de análisis de sangre de más de 45,000 adultos estadounidenses. El autor se propuso probar una afirmación específica: que los "errores" que comete una computadora al adivinar tu edad (predecir que tienes 50 cuando en realidad tienes 45) son una señal de qué tan rápido vas a morir. Para hacer esto, el estudio utilizó un enorme fondo de datos de la Encuesta Nacional sobre Examen de Salud y Nutrición (NHANES), rastreando la química sanguínea y observando quién fallecía durante las siguientes dos décadas. Los resultados son un giro de trama para la comunidad científica. El estudio encontró que, si bien los modelos de IA sofisticados son excelentes para adivinar la edad cronológica, la "aceleración de la edad" que producen es en realidad un pésimo predictor de la muerte. De hecho, cuanto mejor se vuelve la IA al adivinar tu edad, menos útil es su predicción para decirte si corres el riesgo de morir. El verdadero secreto para predecir la muerte no estaba en los "errores" de los modelos de adivinación de la edad, sino en entrenar a la computadora para que buscara directamente signos de muerte en la sangre.

El Gran Experimento de Adivinación de la Edad

Piensa en los análisis de sangre de este estudio como un rompecabezas de 38 piezas. Los investigadores tomaron estas piezas del rompecabezas —cosas como el colesterol, el azúcar en sangre y el recuento de glóbulos blancos— y le pidieron a una computadora que resolviera un acertijo específico: "Basado en estos números, ¿qué edad tiene esta persona?". Intentaron con seis tipos diferentes de cerebros computacionales, que iban desde la matemática simple (como una línea recta) hasta redes neuronales complejas y flexibles (como una IA de pensamiento profundo).

La primera parte de la historia es una victoria para la IA compleja. Cuando los investigadores preguntaron: "¿Quién adivina mejor la edad?", las redes neuronales flexibles y el aumento de gradiente (gradient boosting) ganaron de goleada. Fueron mucho mejores prediciendo la edad que los modelos lineales simples. La mejor red neuronal obtuvo una puntuación de precisión (llamada R²) de 0.557, lo que significa que podía explicar aproximadamente el 56% de la variación de la edad. Los modelos simples solo lograron alrededor del 40%. Si solo estuvieras buscando una computadora que pudiera adivinar tu fecha de nacimiento a partir de un análisis de sangre, la IA compleja sería tu campeona.

El Giro: Ser Bueno Adivinando la Edad es Malo para Predecir la Muerte

Aquí es donde la historia da un giro brusco. Los investigadores luego tomaron los "errores" de estas computadoras que adivinaban la edad. Si la computadora decía que tenías 50 pero en realidad tenías 45, esa diferencia de +5 es tu "aceleración de la edad". La gran esperanza era que este número nos dijera quién moriría antes.

Los resultados fueron sorprendentes. Los modelos de computadora que eran mejores adivinando la edad resultaron ser los peores prediciendo la muerte.

Los modelos simples (como la regresión ridge), que eran menos precisos adivinando la edad, produjeron una "aceleración de la edad" que mejoraba la predicción de la muerte por una cantidad mínima (añadiendo aproximadamente 0.0124 a una puntuación estadística llamada C-índice).
Las redes neuronales súper inteligentes, que eran las mejores adivinando la edad, produjeron una puntuación que no añadía casi nada a la predicción de la muerte (solo 0.0056).

El estudio encontró un fuerte vínculo negativo: cuanto más precisa es la predicción de la edad, menos útil es la "aceleración de la edad" para predecir la mortalidad. Es como si la IA compleja estuviera tan ocupada memorizando los detalles diminutos y específicos de cómo cambia la sangre con la edad que accidentalmente filtró las señales que realmente señalan el peligro. El artículo sugiere que, al intentar ser perfecta adivinando la edad, la IA desechó la información que realmente importa para la supervivencia.

El Verdadero Ganador: Entrenar para el Objetivo Correcto

Para demostrar que los datos de la sangre sí contenían información de vida o muerte, los investigadores realizaron un segundo experimento. En lugar de preguntar a la computadora: "¿Qué edad tiene esta persona?", le preguntaron: "¿Quién es probable que muera?". Entrenaron un nuevo modelo utilizando exactamente las mismas 38 pruebas de sangre, pero esta vez la computadora aprendió a predecir la muerte directamente.

¿El resultado? Este modelo "entrenado para la muerte" fue una mejora masiva. Aumentó la predicción de la muerte en 0.0367, más de tres veces mejor que el mejor modelo entrenado para la edad. Aún más revelador, cuando añadieron este puntaje entrenado para la muerte a un modelo que ya incluía la "aceleración de la edad" de la IA, el puntaje entrenado para la muerte todavía añadía una gran cantidad de información nueva. Esto demostró que los modelos entrenados para la edad no solo habían perdido la señal, sino que la habían descartado activamente.

El artículo también analizó un famoso reloj existente llamado "PhenoAge", que fue construido para predecir la muerte. Funcionó mejor que los modelos entrenados para la edad, pero aun así no fue tan bueno como el nuevo modelo entrenado para la muerte construido a partir de las mismas pruebas de sangre. Esto sugiere que incluso las mejores herramientas actuales están dejando fuera mucha información valiosa porque están entrenadas con el objetivo equivocado.

Por Qué los Números Pueden Ser Engañosos

El estudio también resolvió un misterio sobre por qué algunos artículos previos afirmaban que sus modelos de adivinación de la edad eran increíblemente precisos (con puntuaciones tan altas como 0.78), mientras que el mejor de este estudio fue solo 0.557. La respuesta no fue que la nueva IA fuera más débil; fue sobre la multitud de personas que estaban siendo probadas.

Los investigadores encontraron que la precisión de la adivinación de la edad depende fuertemente del rango de edad del grupo. Si incluyes a adolescentes, cuyos cuerpos cambian rápidamente, la computadora se vuelve mucho mejor adivinando la edad porque los cambios en la sangre son muy dramáticos. Si solo observas a adultos entre los 20 y los 79 años, los cambios son más lentos y difíciles de detectar. El estudio mostró que la "puntuación de precisión" es principalmente un reflejo de qué tan amplio es el rango de edad en el grupo, no de qué tan buena es la computadora. Esto significa que no puedes simplemente comparar las puntuaciones de precisión de diferentes estudios para ver qué reloj es mejor; tienes que mirar qué es lo que realmente intentan predecir.

La Conclusión

La principal enseñanza de este artículo es una lección de enfoque. Si quieres construir una herramienta para predecir quién podría morir antes, no entrenes a una computadora para adivinar su edad y esperes que los "errores" te digan algo. Ese enfoque desecha la mayor parte de la información útil. En su lugar, entrena a la computadora directamente sobre el resultado que te importa: la muerte. El artículo concluye que el cuello de botella no son las pruebas de sangre o la tecnología de IA; es el objetivo que le establecemos a la IA. Al perseguir el objetivo equivocado (la edad cronológica), el campo ha estado perdiendo las señales más poderosas para predecir la mortalidad que se esconden justo ahí, en la sangre.

Resumen Técnico: ¿Predice la edad bioquímica predicha por IA la muerte?

Planteamiento del problema
El campo del envejecimiento biológico suele depender de "relojes de envejecimiento" entrenados para predecir la edad cronológica a partir de sustratos biológicos (por ejemplo, química sanguínea, metilación del ADN). El supuesto subyacente es que el error residual de dicho modelo —denominado aceleración de la edad (edad predicha menos edad real)— sirve como un indicador de la edad biológica y predice el riesgo de mortalidad más allá de la edad cronológica. Sin embargo, muchos estudios validan estos relojes únicamente informando el coeficiente de determinación ( $R^2$ ) frente a la edad cronológica, sin probar si los residuales realmente predicen la muerte. Este artículo investiga si la búsqueda de una mayor precisión en la predicción de la edad cronológica descarta inadvertidamente la señal misma requerida para la predicción de la mortalidad.

Metodología
El estudio utilizó datos de diez ciclos de la Encuesta Nacional de Examen de Salud y Nutrición (NHANES, 1999–2018), vinculados a un archivo de mortalidad de uso público de la NCHS. La muestra analítica comprendió 45.033 adultos (de 20 a 79 años) con 5.213 muertes durante 445.961 años-persona.

Entradas: 38 analitos (23 de química sérica, 15 de hematología) y sexo.
Familias de modelos: Se ajustaron seis familias de modelos para predecir la edad cronológica bajo validación cruzada anidada (5 pliegues externos, 3 pliegues internos):
1. Mínimos Cuadrados Ordinarios (OLS)
2. Regresión Ridge
3. Regresión de Componentes Principales (PCA + Ridge)
4. k-Vecinos más Cercanos (k-NN)
5. Gradient Boosting de Histograma
6. Perceptrón Multicapa (Red Neuronal)
Barrido de arquitectura: Para asegurar que las redes neuronales no estuvieran subdimensionadas, se entrenó una muestra aleatoria de 360 redes a través de una cuadrícula factorial de 1.296 puntos de hiperparámetros (profundidad, activación, penalizaciones, tasas de aprendizaje).
Definición de aceleración de la edad: Siguiendo las convenciones de neuroimagen, la aceleración de la edad se definió como el residual de una regresión lineal de la edad predicha fuera de la muestra (out-of-fold) sobre la edad cronológica (para eliminar la correlación con la edad).
Evaluación: Los modelos se evaluaron mediante modelos de riesgos proporcionales de Cox ajustados por edad cronológica y sexo. El rendimiento se midió mediante el C-índice de Harrell (discriminación) y las Razones de Riesgo (HR).
Controles:
- PhenoAge: Se calculó un reloj publicado entrenado para la mortalidad (usando 9 marcadores) como punto de referencia.
- Puntuación entrenada para la mortalidad: Se ajustó un modelo Cox con penalización Ridge directamente a los mismos 38 analitos para predecir la muerte, sirviendo como un límite superior para la información disponible en los datos.

Resultados clave

Inversión de Precisión vs. Utilidad: Los modelos flexibles (Gradient Boosting, Redes Neuronales) superaron significativamente a los modelos lineales en la predicción de la edad cronológica. El $R^2$ fuera de la muestra aumentó de 0.398 (Ridge) a 0.557 (Red Neuronal). Sin embargo, la utilidad de la aceleración de la edad resultante para la predicción de la mortalidad se movió en la dirección opuesta.
- La regresión Ridge (menor precisión) produjo la mayor ganancia en discriminación de mortalidad: $\Delta C = +0.0124$ .
- Las redes neuronales (mayor precisión) produjeron la menor ganancia: $\Delta C = +0.0056$ .
- La correlación entre el $R^2$ de la predicción de la edad y la ganancia del C-índice a través de las familias de modelos fue de $-0.94 $($ p=0.005$).
El techo de los objetivos de entrenamiento: Los mismos 38 analitos, cuando se ajustaron directamente contra la mortalidad en lugar de la edad, produjeron una puntuación con una ganancia de C-índice de $+0.0367$ (3.0 veces la mejor aceleración de la edad), lo que indica que la puntuación entrenada para la mortalidad retuvo el 85% de su poder predictivo incluso después de que la aceleración de la edad ya fuera incluida en el modelo, indicando que los residuales entrenados por la edad fallan en capturar la mayor parte de la señal de mortalidad presente en el panel de sangre.
Señales divergentes: Los analitos más fuertemente correlacionados con la edad cronológica eran en gran medida ortogonales a los que predecían la mortalidad. Por ejemplo, la urea en sangre fue el marcador con mayor correlación con la edad pero ocupó el puesto 30 para la mortalidad; la albúmina fue el principal marcador de mortalidad pero solo el 15º para la edad. La correlación de rango entre la correlación con la edad y la magnitud del riesgo de mortalidad fue cercana a cero ( $+0.02$ ).
Artefacto de composición de la muestra: Se encontró que los valores de $R^2$ reportados para la predicción de la edad dependen fuertemente de la ventana de edad de la muestra. Variar el límite inferior de edad de 20 a 12 (incluyendo adolescentes) elevó el $R^2$ de 0.557 a 0.683, mientras que estrechar la ventana de 20 a 45 lo redujo a 0.247. Esto sugiere que los altos valores de $R^2$ en la literatura reflejan la heterogeneidad de la muestra más que la superioridad del modelo.

Contribuciones clave

Validación empírica de preocupaciones teóricas: El estudio proporciona evidencia empírica directa de que maximizar la precisión de la predicción de la edad cronológica es contraproducente para generar biomarcadores que predigan la mortalidad.
Desacoplamiento de Precisión y Utilidad: Demuestra que dentro de una misma clase de modelo (por ejemplo, modelos lineales ajustados mediante regularización), la precisión y la utilidad aumentan juntas, pero a través de clases de modelos, el paso hacia aprendices más flexibles captura estructuras específicas de la edad que son inertes desde el punto de vista pronóstico, eliminando así la señal del residual.
Dominancia del objetivo de entrenamiento: Establece que el objetivo de entrenamiento (edad vs. mortalidad) es el determinante principal de la utilidad de un biomarcador, no la calidad de los datos o la clase de modelo.
Reevaluación de métricas: Argumenta que el $R^2$ frente a la edad cronológica es una propiedad de la distribución de edad de la muestra, no una métrica válida para comparar relojes de envejecimiento entre estudios o evaluar su valor clínico.

Significado y afirmaciones
El artículo concluye que ajustar la química sanguínea a la edad cronológica es un problema de regresión válido para describir cómo cambia la bioquímica con la edad, pero es una "mala forma de construir un biomarcador de mortalidad". El residual de tal ajuste descarta la mayor parte de la señal relevante para la mortalidad.

El autor afirma que:

Los relojes pronósticos deben entrenarse sobre el pronóstico: Modelos como PhenoAge y GrimAge funcionan mejor porque están entrenados directamente en resultados de mortalidad, no en la edad cronológica.
Las métricas de evaluación actuales son engañosas: Reportar el $R^2$ frente a la edad cronológica oculta el hecho de que los modelos más precisos generan los residuales menos útiles.
El valor clínico es bajo para los residuales de la edad: La discriminación incremental proporcionada por la aceleración de la edad de los modelos de IA modernos es insignificante ( $\Delta C \approx 0.005$ ) en comparación con el potencial disponible en los mismos datos ( $\Delta C \approx 0.037$ ).

El estudio no pretende que la "edad biológica" sea un concepto vacío, ni que los modelos de edad cronológica sean inútiles para describir cambios fisiológicos. Más bien, argumenta que, para el propósito específico de predecir la muerte, el enfoque de "residual entrenado por la edad" es sistemáticamente subóptimo porque la función objetivo (minimizar el error de edad) es ortogonal al resultado deseado (predecir la mortalidad).