PhysioRisk: an interpretable survival- modeling framework for separating demographic and physiological mortality risk

Cada vida humana sigue una curva estadística predecible: cuanto más envejecemos, más probable es que muramos. Este es el ritmo fundamental de la mortalidad, impulsado por el simple paso del tiempo. Debido a que la edad es un predictor tan poderoso, los médicos y científicos suelen construir modelos computacionales que mezclan la edad de una persona con los resultados de sus análisis de sangre para adivinar cuánto podría vivir. Estos modelos son buenos para clasificar a las personas en grupos de alto y bajo riesgo, pero tienen un punto ciego. Cuando un modelo combina la edad y la biología en un solo número, resulta imposible saber si una puntuación de riesgo alto proviene de que la persona es simplemente mayor, o de que su cuerpo está envejeciendo más rápido de lo esperado para su edad. Esta confusión es importante porque los investigadores quieren comprender el envejecimiento biológico —el desgaste y deterioro de nuestros sistemas— separado del inevitable avance del tiempo cronológico. Si una puntuación está demasiado entrelazada con la edad, no puede decirnos si un tratamiento está ayudando realmente a la fisiología de una persona o si solo refleja el hecho de que se está haciendo mayor.

Un investigador llamado Gregory Allen se propuso desenredar estos dos hilos. Desarrolló una nueva forma de observar el riesgo de mortalidad que separa el peligro esperado de envejecer del peligro inesperado de la disfunción fisiológica. Utilizando una enorme colección de datos de salud de miles de estadounidenses recopilados durante casi dos décadas, construyó un sistema que primero calcula el riesgo que enfrenta una persona simplemente debido a su edad y sexo. Luego analizó el riesgo restante, que proviene de cómo los marcadores sanguíneos de una persona —como aquellos que miden la función renal o la inflamación— difieren de lo que es típico para alguien de su misma edad y sexo. Al mantener estos dos fuentes de riesgo separadas, creó un marco que puede mostrar tanto el panorama completo del riesgo de mortalidad de una persona como la contribución específica de su estado biológico, sin que uno opaque al otro.

El estudio se basó en datos de la Encuesta Nacional de Examen de Salud y Nutrición (NHANES, por sus siglas en inglés), un proyecto de larga duración que analiza una muestra representativa de la población de los EE. UU. Allen dividió estos datos en dos grupos: un grupo inicial utilizado para construir el modelo, y un grupo posterior utilizado para probarlo, asegurando que los hallazgos se mantuvieran a lo largo del tiempo. Comenzó creando una puntuación de referencia, que llamó DemoRisk, basada enteramente en la edad y el sexo. Esta puntuación capturó la gran mayoría de la capacidad para predecir quién moriría, simplemente porque las personas mayores tienen estadísticamente más probabilidades de morir que las más jóvenes. A continuación, tomó los resultados de los análisis de sangre y eliminó los patrones que ya estaban explicados por la edad y el sexo. Por ejemplo, si la función renal declina naturalmente a medida que las personas envejecen, el modelo eliminó ese declive esperado. Lo que quedó fueron las desviaciones: las personas cuyo trabajo sanguíneo era peor o mejor que el promedio para su edad y sexo específicos.

Estas desviaciones restantes se organizaron en dos categorías principales. Una categoría, que el investigador llamó HematologicStress, agrupó marcadores relacionados con las células sanguíneas y el sistema inmunológico. La otra, llamada RenalHepaticTurnover, se centró en marcadores relacionados con la función renal y hepática. Al combinar estas dos categorías, creó una segunda puntuación, PhysioRisk. Esta puntuación fue diseñada para ser casi completamente independiente de la edad; en el estudio, mostró casi ninguna correlación con cuántos años había vivido una persona. A pesar de haber sido despojada de la edad, esta puntuación fisiológica aún portaba información importante. Las personas con puntuaciones de PhysioRisk más altas tenían más probabilidades de morir durante el periodo del estudio que aquellas con puntuaciones más bajas, incluso cuando los investigadores compararon personas de la misma edad y sexo. Esto demostró que la disfunción biológica contiene su propia señal de mortalidad, distinta de la señal de simplemente envejecer.

El hallazgo más significativo surgió cuando el investigador recombinó estas dos puntuaciones separadas. Tomó el riesgo basado en la edad y el riesgo fisiológico y los sumó utilizando pesos específicos determinados a partir de los datos iniciales. La puntuación combinada resultante, que llamó CalibratedTotalRisk, funcionó tan bien como los mejores modelos existentes para predecir la muerte. De hecho, fue ligeramente mejor que usar la edad por sí sola. Esto demostró que el componente fisiológico añadía un valor real a la predicción, mejorando la capacidad de clasificar a las personas por riesgo sin perder el poder del componente basado en la edad. El modelo combinado también se comparó con una medida conocida llamada PhenoAge, que intenta estimar la edad biológica. La nueva puntuación combinada funcionó de manera similar a PhenoAge, sugiriendo que separar las partes demográficas y fisiológicas no perjudicó la precisión general de la predicción.

Sin embargo, el estudio también reveló una sutil complejidad en cómo se comportan estos riesgos a lo largo del tiempo. Mientras que la parte basada en la edad del modelo se comportó de manera consistente, la puntuación combinada mostró que el vínculo entre los factores de riesgo y la muerte se hizo más fuerte cuanto más tiempo fueron seguidas las personas. Esto significa que la diferencia en el riesgo entre una persona con una puntuación alta y una de puntuación baja se amplió a medida que pasaba el tiempo, en lugar de permanecer constante. Este hallazgo sugiere que el estado fisiológico del cuerpo puede tener un efecto retardado en la mortalidad que se vuelve más evidente tras muchos años. Los investigadores señalaron que este comportamiento no encajaba con un supuesto estadístico estándar de que las razones de riesgo se mantienen constantes en el tiempo, indicando que la relación entre la biología y la muerte es más dinámica de lo que los modelos simples suelen asumir.

El trabajo no pretende haber encontrado una medida perfecta de la edad biológica o un remedio mágico para prolongar la vida. La puntuación fisiológica no es una medida directa de qué tan "viejo" es el cuerpo de una persona en un sentido biológico, ni demuestra que los marcadores sanguíneos específicos causen la muerte. En cambio, ofrece una forma más clara de mirar los datos. Al separar el riesgo de ser viejo del riesgo de estar enfermo, el modelo permite a los investigadores hacer preguntas diferentes. Ahora pueden ver si la fisiología de una persona se está deteriorando más rápido de lo que su edad cronológica sugeriría, independientemente de la tendencia general del envejecimiento. Esta separación es valiosa porque evita que la señal abrumadora de la edad ahogue las señales más sutiles de la salud biológica.

El estudio se realizó utilizando datos de un solo país y dependió de un conjunto específico de análisis de sangre, por lo que los resultados deben ser probados en otras poblaciones antes de que puedan aplicarse ampliamente. Los investigadores también señalaron que su modelo fue construido sobre personas que tenían datos completos de análisis de sangre, lo que podría excluir a los individuos más enfermos o vulnerables que a menudo pierden sus citas médicas. A pesar de estas limitaciones, el enfoque proporciona una nueva herramienta para comprender la mortalidad. Muestra que es posible construir un modelo que respete el poder de la edad y que, al mismo tiempo, aísle la contribución única de la salud fisiológica. Al mantener las dos fuentes de riesgo visibles y separadas, el marco ofrece una visión más matizada del envejecimiento humano, una que reconoce que, si bien todos envejecemos, nuestros cuerpos no necesariamente envejecen al mismo ritmo o de la misma manera.