Estimation of biological age using HRV data: comparison of the Klemera-Dubal method with the multiple linear regression method

Stel je je lichaam voor als een hightech auto. Je kunt naar de kilometerteller kijken om te zien hoeveel mijlen hij heeft gereden—dat is je chronologische leeftijd, het aantal jaren dat je al bestaat. Maar twee auto's met dezelfde kilometerstand kunnen in totaal verschillende staat verkeren: de ene kan een glanzende, goed afgestelde machine zijn, terwijl de andere aan het roesten is met een sputterende motor. Wetenschappers noemen deze tweede maatstaf de biologische leeftijd. Het is een manier om te raden hoe "oud" je lichaam eigenlijk voelt en functioneert in vergelijking met het gemiddelde persoon van jouw leeftijd.

Om de motor te controleren zonder hem uit elkaar te halen, kijken artsen vaak naar de Hartslagvariabiliteit (HRV). In plaats van alleen te tellen hoe snel je hart klopt, meet HRV de kleine, ritmische pauzes tussen elke hartslag. Denk hierbij aan de drummer in een band. Een perfecte robotdrummer slaat de snaredrum op exact hetzelfde fractie van een seconde bij elke slag. Een menselijke drummer voegt echter kleine, natuurlijke variaties toe aan het ritme om de muziek levendig en responsief te houden. Een gezond, jong hart is als een bekwame jazzdrummer die constant het ritme aanpast om om te gaan met stress, ontspanning en beweging. Naarmate we ouder worden, of als onze gezondheid achteruitgaat, wordt het hart vaak stijver, zoals een metronoom die niet helemaal kan meekomen met de muziek. Door deze subtiele ritmes te analyseren, hopen onderzoekers een "gezondheidsscore" te bouwen die ons vertelt of onze interne motor draait als die van een 25-jarige of een 70-jarige, ongeacht onze werkelijke geboortedatum.

---

Het Grote Hartslagdetectiveverhaal

In dit onderzoek speelde een onderzoeker genaamd Pysaruk de rol van een detective, die probeerde een lastige puzzel op te lossen: Welke wiskundige methode is het beste in het raden van de biologische leeftijd van een persoon door enkel te luisteren naar het ritme van hun hart?

De detective had een team van 343 vrijwilligers (193 vrouwen en 150 mannen) variërend van 20 tot 90 jaar oud. Hij nam hun hartslagen op terwijl ze rustig op hun rug lagen, waarbij hij negen verschillende "noten" uit hun hartsymfonie vastlegde. Vervolgens testte hij drie verschillende wiskundige "raadmachines" om te zien welke de leeftijd het meest nauwkeurig kon voorspellen.

De Drie Raadmachines

1. De Standaard Rekenmachine (Meervoudige Lineaire Regressie of MLR): Dit is de ouderwetse methode. Deze kijkt naar de hartgegevens en trekt een rechte lijn om de leeftijd te raden. Het probleem? Deze methode heeft de neiging om een beetje lui te zijn. Het raadt dat jonge mensen ouder zijn dan ze zijn en oude mensen jonger dan ze zijn, een beetje zoals een docent die iedereen een "C" geeft, puur om op safe te spelen.
2. De Gecorrigeerde Rekenmachine (MLR met Dubina-correctie): Dit is dezelfde standaard rekenmachine, maar met een handmatige aanpassing. De onderzoeker voegde een regel toe om de machine te dwingen niet meer lui te zijn en zijn eigen fouten te corrigeren. Om dit te doen, moest de machine echter even naar de werkelijke geboortedatum (chronologische leeftijd) van de persoon kijken terwijl hij de gok maakte. Het is als een student die vals speelt op een toets door in het antwoordenboekje te kijken om zijn foute antwoorden te verbeteren. Hij krijgt weliswaar de juiste score, maar het is niet echt een eerlijke test van zijn kennis.
3. De Slimme AI (Klemera-Doubal Methode of KDM): Dit is een geavanceerde nieuwe aanpak. In plaats van alleen een rechte lijn te trekken, weegt deze methode elke enkele hartslagnoot op basis van hoe betrouwbaar deze is. Als één noot wankel en onbetrouwbaar is, geeft de AI deze minder gewicht. Als een andere noot juist heel duidelijk is, luistert de AI er nauw naar. Cruciaal is dat de AI niet naar de werkelijke geboortedatum van de persoon kij을 om de gok te maken; hij ontcijfert het puur op basis van de hartgegevens.

De Resultaten: Wie won de race?

De studie mat hoe ver elke machine van de waarheid afzat met een score genaamd Mean Absolute Error (MAE). Denk hierbij aan de "foutafstand". Als de machine raadt dat je 45 bent maar je bent eigenlijk 40, dan is de foutafstand 5 jaar. Hoe lager het getal, hoe beter de detective.

Hier is hoe de machines presteerden:

• De Standaard Rekenmachine (MLR): Dit was de slechtste detective.

  • Voor vrouwen zat hij er gemiddeld 6,57 jaar naast.
  • Voor mannen was hij 7,47 jaar af.
  • Verdict: Te veel gokwerk, te veel fouten.

• De Gecorrigeerde Rekenmachine (MLR + Dubina): Deze werd veel beter, maar bedroog zich.

  • Voor vrouwen daalde de fout naar 4,79 jaar.
  • Voor mannen daalde de fout naar 5,90 jaar.
  • Verdict: Accuraat, maar het vertrouwde op het vooraf weten van het antwoord om de fouten te herstellen.

• De Slimme AI (KDM): Dit was de duidelijke winnaar, maar met een zeer belangrijke kanttekening.

  • Voor vrouwen zat deze er slechts 4,34 jaar naast.
  • Voor mannen was deze ongelooflijk dichtbij, slechts 3,67 jaar.
  • De Kanttekening: De AI is extreem gevoelig voor welke "noten" hij beluistert. Wanneer de onderzoekers probeerden de basis hartslaginterval (de NN-interval genoemd) in het model voor mannen op te nemen, stortte het hele systeem in. Het gaf ofwel onmogelijke wiskundige resultaten, of begon simpelweg de werkelijke leeftijd van de persoon te kopiëren, waardoor de "biologische" gok nutteloos werd. De AI werkte alleen voor mannen omdat de onderzoekers die specifieke onbetrouwbare noot zorgvuldig hadden uitgesloten.
  • Verdict: Het vond het meest nauwkeurige antwoord zonder te bedriegen of in de kalender te kijken, mits je de juiste ingrediënten voor het recept kiest.

Een Verhaal van Twee Geslachten

De studie vond ook iets interessants over de "hartmuziek" van mannen en vrouwen. De hartritmes van vrouwen waren veel consistenter en makkelijker te lezen als het ging om veroudering. De "detective" kon de leeftijdsgerelateerde veranderingen duidelijk horen.

Bij mannen waren de hartritmes wat ruiziger. De studie suggereert dat de hartslag van mannen beïnvloed kan worden door andere zaken zoals levensstijl, roken of fysieke activiteit, waardoor het "leeftijdssignaal" moeilijker hoorbaar is. Vanwege dit het gevolg was dat de foutafstand voor mannen over alle methoden heen over het algemeen hoger lag, maar de KDM-methode slaagde er nog steeds in om de meest precieze te zijn, zelfs in de ruisige data—zolang het maar niet de onbetrouwbare NN-interval gebruikte.

De Kanttekening en de Toekomst

Hoewel de Klemera-Doubal methode (KDM) de ster van de show is, waarschuwt de onderzoeker dat het geen magie is. Het vereist een zeer zorgvuldige selectie van welke hartnoten je beluistert. Als je de verkeerde noten kiest (zoals het basis hartslaginterval bij mannen, wat in dit specifieke geval te onbetrouwbaar bleek), kan het hele systeem instorten of onzinnige resultaten geven.

Bovendien was deze studie een momentopname. De onderzoekers testten deze methoden op dezelfde groep mensen die ze gebruikten om de modellen te bouwen. Het is alsof een chef zijn eigen soep proeft om te zien of die goed is; het kan heerlijk smaken, maar we moeten het aan vreemden serveren om zeker te weten dat het echt lekker is. De studie suggereert dat hoewel KDM momenteel de meest veelbelovende en wetenschappelijk verantwoorde methode is, we deze op nieuwe groepen mensen moeten testen om te zien of het standhoudt in de echte wereld.

De Kernboodschap: Als je je biologische leeftijd wilt weten op basis van je hartslag zonder in je geboortebewijs te kijken, dan is de Klemera-Doubal methode momenteel het beste instrument in de gereedschapskist. Het is de meest nauwkeurige, de meest eerlijke en de minst geneigd om in de war te raken door de chaotische realiteit van menselijke harten—maar alleen als je nauwkeurig genoeg bent om de juiste hartnoten te kiezen om naar te luisteren.