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

車の走行距離計（オドメーター）を見るだけで、その車がどれくらいの速さで消耗しているかを推測しようとしている場面を想像してみてください。老化科学の世界には、「生物学的年齢」と呼ばれる有名な概念があります。その理論は単純です。二人の人間が同じ実年齢（暦年齢）であっても、一方は身体の実際の老化具合によって、実際にはもっと高齢であったり、あるいはもっと若々しく機能していたりする可能性があるというものです。科学者たちは、この測定のために「老化時計」を作り上げてきました。通常、彼らはコンピュータに血液検査の結果を学習させ、その人の年齢を推測させます。もしコンピュータが、あなたの実際の年齢よりも高齢であると予測した場合、それはあなたが通常よりも速く老化していることを意味します。この「余分な」年齢は「年齢加速（エイジング・アクセラレーション）」と呼ばれ、多くの研究者が、これが将来の病気や死亡のリスクを予測するものだと期待しています。しかし、ここで大きな疑問が生じます。あなたの年齢を当てるのが非常に得意なコンピュータは、果たしてあなたの寿命について何か役に立つ情報を教えてくれるのでしょうか？

研究者ジョン・フェンクによるこの論文は、4万5千人以上の米国成人の血液データを用いた膨大なデータセットを使用して、その疑問に真っ向から切り込んでいます。著者は、ある特定の主張を検証しようとしました。それは、「コンピュータが年齢を推測する際に犯す『間違い』（例えば、実際は45歳なのに50歳だと予測すること）は、その人がいかに早く亡くなるかの兆候である」という主張です。これを検証するために、本研究では、血液化学成分を追跡し、その後20年間にわたって誰が亡くなったかを記録した「国民健康栄養調査（NHANES）」の巨大なデータプールを使用しました。結果は、科学界にとって予想外の展開を見せました。研究によれば、高度なAIモデルは暦年齢を推測することには非常に長けているものの、そこから導き出される「年齢加速」は、死亡率を予測する上では極めて役に立たないことが判明したのです。実際、AIが年齢を当てる精度が高まれば高まるほど、その予測が死亡リスクを伝えるための有用性は低下するというのです。死亡を予測するための真の秘密は、年齢を推測するモデルの「間違い」の中にあったのではなく、血液の中に直接「死の兆候」を探すようコンピュータを訓練することにありました。

偉大なる年齢推測実験

この研究における血液検査を、38個のピースからなるパズルと考えてみてください。研究者たちは、コレステロール、血糖値、白血球数といったこれらのパズルのピースを取り出し、コンピュータに次のような特定の謎解きを命じました。「これらの数値に基づくと、この人は何歳か？」彼らは、単純な数学的計算（直線的なモデル）から、複雑で柔軟なニューラルネットワーク（深層学習AI）に至るまで、6種類の異なる「コンピュータの脳」を試しました。

物語の前半は、複雑なAIの勝利です。「誰が最も正確に年齢を当てられるか？」と研究者が問いかけたとき、柔軟なニューラルネットワークや勾配ブースティングモデルが圧勝しました。これらは単純な線形モデルよりも、年齢の予測においてはるかに優れていました。最高のニューラルネットワークは、決定係数（R²）0.557というスコアを叩き出しました。これは、年齢の変動の約56%を説明できることを意味します。単純なモデルは約40%程度しか説明できませんでした。もし、血液検査から誕生日を当てるためのコンピュータを探しているのであれば、複雑なAIこそがチャンピオンとなるでしょう。

逆転劇：年齢を当てるのが上手いことは、死を予測する上では不利である

ここで物語は急展開を迎えます。研究者たちは、これらの年齢推測コンピュータが出した「間違い」を取り上げました。もしコンピュータがあなたを50歳と言い、実際には45歳だった場合、その「+5」の差があなたの「年齢加速」となります。この数値が、誰がより早く亡くなるかを教えてくれるというのが大きな希望でした。

結果は驚くべきものでした。年齢の推測において最も優れた性能を示したコンピュータモデルが、死亡の予測においては最も劣るという結果になったのです。

• 単純なモデル（リッジ回帰など）は、年齢の推測精度は低かったものの、生成された「年齢加速」スコアは、統計的な指標であるC-indexを約0.0124向上させました。
• 一方で、年齢の推測において最も優秀だった超高性能なニューラルネットワークは、死亡の予測に対してほとんど何も貢献しませんでした（わずか0.0056の向上）。

研究では強い負の相関が見られました。つまり、年齢予測の精度が高ければ高いほど、その「年齢加速」は死亡予測において役に立たなくなるのです。まるで、複雑なAIが「加齢に伴う血液の変化」という極めて微細で具体的なディテールを記憶することに熱中するあまり、生存に関わる重要なシグナルを誤ってフィルタリングしてしまったかのようです。論文は、AIが年齢を完璧に当てることを追求するあまり、生存に不可欠な情報を捨て去ってしまった可能性を示唆しています。

真の勝者：正しい目標に向けて訓練すること

血液データの中に「死」に関する情報が確かに含まれていることを証明するため、研究者たちは第2の実験を行いました。コンピュータに「この人は何歳か？」と聞く代わりに、「この人は亡くなる可能性が高いか？」と尋ねたのです。彼らは全く同じ38項目の血液テストを用いて、今度は「死」を直接予測するようにコンピュータを訓練しました。

結果はどうだったでしょうか？ この「死亡訓練済み」モデルは、劇的な改善を見せました。このモデルは、死亡予測を0.0367向上させました。これは、最も優れた「年齢訓練済み」モデルよりも3倍以上高い数値です。さらに明白なことに、すでに「年齢加速」のスコアが含まれているモデルに、この「死亡訓練済み」スコアを加えたとしても、死亡訓練済みスコアは依然として膨大な量の新しい情報を追加していました。これは、年齢訓練型のモデルが単にシグナルを見逃したのではなく、そのシグナルを能動的に破棄してしまったことを証明しています。

また、論文では「PhenoAge」と呼ばれる有名な既存の時計についても調査しました。これは死亡を予測するために構築されたものですが、今回の研究で作成された「死亡訓練済み」モデルには及びませんでした。このことは、現在存在する最高峰のツールであっても、訓練の対象（ターゲット）が間違っているために、多くの価値ある情報を残したままにしていることを示唆しています。

数値の落とし穴

なぜ一部の先行研究では、年齢推測モデルの精度が非常に高い（0.78というスコートまで）と主張されているのか、その謎もこの研究によって解明されました。答えは、新しいAIが弱かったからではなく、テストされた「集団」の違いにありました。

研究者たちは、年齢推測の精度が、対象となるグループの年齢範囲に大きく依存することを発見しました。体が急速に変化しているティーンエイジャーを含めると、血液の変化が劇的なため、コンピュータは年齢を非常に正確に当てることができます。しかし、20歳から79歳までの成人だけに限定すると、変化は緩やかで捉えにくくなります。研究は、「精度スコア」とはコンピュータの能力を示すものではなく、主にそのグループの年齢幅を反映しているに過ぎないことを示しました。つまり、どの時計がより優れているかを比較するために、単に研究間の精度スコアを比較することはできません。何を見て、何を予測しようとしているのかを見る必要があるのです。

結論

この論文の主要な教訓は、「焦点（フォーカス）」の重要性です。もし、誰が早く亡くなるかを予測するツールを作りたいのであれば、コンピュータに年齢を当てさせ、その「間違い」から何かを読み取ろうとしてはいけません。そのアプローチは、有用な情報の大部分を捨ててしまうことになります。代わりに、あなたが最も重視したい結果、すなわち「死」を直接予測するようにコンピュータを訓練すべきです。論文は、ボトルネックとなっているのは血液テストでもAI技術でもなく、私たちがAIに設定する「目標」であると結論づけています。間違ったターゲット（暦年齢）を追い求めることで、この分野は、血液の中に隠されているはずの、死亡予測のための最も強力なシグナルを見逃してきたのです。