🧬 biology

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

Deze studie toont aan dat hoewel complexe machine learning-modellen nauwkeuriger de chronologische leeftijd kunnen voorspellen op basis van bloedchemie, hun resulterende "leeftelijk versnellingsmetrieken" minder effectief zijn in het voorspellen van mortaliteit dan eenvoudigere modellen of biomarkers die direct getraind zijn op sterfteuitkomsten, wat onthult dat het trainingsdoel in plaats van de modelcomplexiteit of de biomarkers de cruciale factor is bij het ontwikkelen van nuttige biologische leeftijdsvoorspellers.

Oorspronkelijke auteurs: John Feng

Gepubliceerd 2026-08-06

📖 7 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: John Feng

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je voor dat je probeert te raden hoe snel een auto slijt door alleen naar de kilometerstand te kijken. In de wereld van de verouderingswetenschap bestaat een populair idee genaamd "biologische leeftijd". De theorie is simpel: twee mensen kunnen dezelfde leeftijd hebben in jaren (chronologische leeftijd), maar de één kan zich veel ouder of jonger voelen en functioneren dan de ander vanwege de manier waarop hun lichaam daadwerkelijk veroudert. Wetenschappers hebben "verouderingsklokken" gebouwd om dit te meten. Meestal doen ze dit door een computer te trainen om naar de resultaten van bloedtesten van een persoon te kijken en diens leeftijd te raden. Als de computer denkt dat je ouder bent dan je werkelijk bent, is het de gedachte dat je sneller veroudert dan normaal. Deze "extra" leeftijd wordt "leeftelijk versnelling" (age acceleration) genoemd, en veel onderzoekers hopen dat dit kan voorspellen wie eerder ziek zal worden of zal overlijden. Maar hier is de grote vraag: vertelt een computer die heel goed is in het raden van je leeftijd ons eigenlijk iets nuttigs over hoe lang je zult leven?

Dit artikel, geschreven door onderzoeker John Feng, duikt precies in die vraag met behulp van een enorme dataset van bloedtesten van meer dan 45.000 Amerikaanse volwassenen. De auteur zette zich af tegen een specifieke bewering: dat de "fouten" die een computer maakt bij het raden van je leeftijd (bijvoorbeeld 50 voorspellen terwijl je eigenlijk 45 bent) een teken zijn van hoe snel je sterft. Om dit te testen, gebruikte de studie een enorme hoeveelheid gegevens uit de National Health and Nutrition Examination Survey (NHANES), waarbij de bloedchemie werd gevolgd en werd gekeken wie er in de loop van de volgende twee decennia overleed. De resultaten zijn een beetje een plotwending voor de wetenschappelijke gemeenschap. De studie vond dat hoewel geavanceerde AI-modellen uitstekend zijn in het raden van chronologische leeftijd, de "leeftijdversnelling" die ze produceren een verschrikkelijke voorspeller is van de dood. Sterker nog, hoe beter de AI wordt in het raden van je leeftijd, hoe minder nuttig de voorspelling wordt om te vertellen of je risico loopt om te overlijden. Het echte geheim om de dood te voorspellen lag niet in de "fouten" van de leeftijdsradende modellen, maar in het trainen van de computer om direct te zoeken naar tekenen van de dood in het bloed.

Het Grote Leeftijdsraad-experiment

Beschouw de bloedtesten in deze studie als een puzzel van 38 stukjes. De onderzoekers namen deze puzzelstukjes mee — zaken zoals cholesterol, bloedsuikerspiegel en witte bloedcelwaarden — en vroegen een computer om een specifieke puzzel op te lossen: "Op basis van deze getallen, hoe oud is deze persoon?" Ze probeerden zes verschillende soorten computerbreinen, variërend van eenvoudige wiskunde (zoals een rechte lijn) tot complexe, flexibele neurale netwerken (zoals een diep denkende AI).

Het eerste deel van het verhaal is een overwinning voor de complexe AI. Wanneer de onderzoekers vroegen: "Wie kan de leeftijd het beste raden?", wonnen de flexibele neurale netwerken en gradient boosting-modellen het overtuigend. Ze waren veel beter in het voorspellen van leeftijd dan de eenvoudige lineaire modellen. Het beste neurale netwerk behaalde een nauwkeurigheidsscore (een R² genoemd) van 0,557, wat betekent dat het ongeveer 56% van de variatie in leeftijd kon verklaren. De eenvoudige modellen haalden slechts ongeveer 40%. Als je alleen op zoek was naar een computer die je verjaardag kon raden op basis van een bloedtest, dan zou de complexe AI je kampioen zijn.

De Wending: Goed zijn in het raden van leeftijd is slecht voor het voorspellen van de dood

Hier neemt het verhaal een scherpe wending. De onderzoekers namen vervolgens de "fouten" van deze leeftijdsradende computers. Als de computer zei dat je 50 was maar je was eigenlijk 45, dan is dat verschil van +5 jouw "leeftijdversnelling". De grote hoop was dat dit getal ons zou vertellen wie er eerder sterft.

De resultaten waren verrassend. De computermodellen die het beste waren in het raden van leeftijd, bleken de slechteren in het voorspellen van de dood.

De eenvoudige modellen (zoals ridge regressie), die minder accuraat waren in het raden van leeftijd, produceerden een "leeftijdversnelling"-score die de voorspelling van de dood een klein beetje verbeterde (het voegde ongeveer 0,0124 toe aan een statistische score genaamd de C-index).
De superintelligente neurale netwerken, die het beste waren in het raden van leeftijd, produceerden een score die bijna niets toevoegde aan de voorspelling van de dood (slechts 0,0056).

De studie vond een sterke negatieve link: hoe nauwkeuriger de leeftijdsvoorspelling, hoe minder nuttig de "leeftijdversnelling" was voor het voorspellen van mortaliteit. Het is alsof de complexe AI zo druk was met het memoreren van de minuscule, specifieke details van hoe het bloed verandert met de leeftijd, dat het per ongels de signalen wegfilterde die daadwerkelijk gevaar signaleren. Het paper suggereert dat door te proberen perfect te zijn in het raden van leeftijd, de AI de informatie die ertoe doet voor overleving heeft weggegooid.

De Echte Winnaar: Trainen voor het Juiste Doel

Om te bewijzen dat de bloedgegevens de leven-of-dood informatie wel bevatten, voerden de onderzoekers een tweede experiment uit. In plaats van de computer te vragen: "Hoe oud is deze persoon?", vroegen ze: "Wie zal waarschijnlijk sterven?" Ze trainden een nieuw model met exact dezelfde 38 bloedtests, maar dit keer leerde de computer direct de dood te voorspellen.

Het resultaat? Dit "op de dood getrainde" model was een enorme verbetering. Het verbeterde de voorspelling van de dood met 0,0367 — meer dan drie keer zo goed als het beste op leeftijd getrainde model. Nog veelzegender was dat wanneer ze deze op de dood getrainde score toevoegden aan een model dat al de "leeftijdversnelling" van de AI bevatte, de op de dood getrainde score nog steeds een enorme hoeveelheid nieuwe informatie toevoegde. Dit bewees dat de op leeftijd getrainde modellen het signaal niet alleen gemist hadden; ze hadden het actief weggegooid.

Het paper keek ook naar een beroemde bestaande klok genaamd "PhenoAge", die gebouwd is om de dood te voorspellen. Deze presteerde beter dan de op leeftijd getrainde modellen, maar was nog steeds niet zo goed als het nieuwe op de dood getrainde model dat uit dezelfde bloedtests werd opgebouwd. Dit suggere houdt in dat zelfs de beste huidige instrumenten veel waardevolle informatie laten liggen omdat ze getraind zijn op het verkeerde doel.

Waarom de Cijfers Listig Kunnen Zijn

De studie loste ook een mysterie op over waarom sommige eerdere papers beweerden dat hun leeftijdsradende modellen ongelooflijk accuraat waren (met scores zo hoog als 0,78), terwijl het beste resultaat in deze studie slechts 0,557 was. Het antwoord was niet dat de nieuwe AI zwakker was; het ging om de groep mensen die getest werd.

De onderzoekers ontdekten dat de nauwkeurigheid van het raden van leeftijd sterk afhangt van de leeftijdscategorie van de groep. Als je tieners meeneemt, wier lichamen snel veranderen, wordt de computer veel beter in het raden van de leeftijd omdat de veranderingen in het bloed zo dramatisch zijn. Als je alleen naar volwassenen tussen de 20 en 79 jaar kijkt, zijn de veranderingen langzamer en moeilijker te ontdekken. De studie toonde aan dat de "nauwkeurigheidsscore" vooral een reflectie is van hoe breed het leeftijdsbereik in de groep is, en niet van hoe goed de computer is. Dit betekent dat je niet zomaar de nauwkeurigheidsscores van verschillende studies kunt vergelijken om te zien welke klok beter is; je moet kijken naar wat ze daadwerkelijk proberen te voorspellen.

De Kern van het Verhaal

De belangrijkste les van dit paper is een les in focus. Als je een hulpmiddel wilt bouwen om te voorspellen wie eerder kan sterven, train dan een computer niet om hun leeftijd te raden in de hoop dat de "fouten" je iets vertellen. Die aanpak gooit de meeste nuttige informatie weg. Train in plaats daarvan de computer direct op de uitkomst waar je om geeft: de dood. Het paper concludeert dat de flessenhals niet de bloedtests of de AI-technologie is; het is het doel dat we voor de AI instellen. Door het verkeerde doel na te jagen (chronologische leeftijd), heeft het vakgebied de meest krachtige signalen voor het voorspellen van mortaliteit gemist die gewoon in het bloed verborgen liggen.

Technische Samenvatting: Voorspelt door AI voorspelde biochemische leeftijd de dood?

Probleemstelling
Het veld van biologische veroudering leunt vaak op "verouderingsklokken" die getraind zijn om chronologische leeftijd te voorspellen vanuit biologische substraten (bijv. bloedchemie, DNA-methylatie). De onderliggende aanname is dat de residuele fout van een dergelijk model—termen als "leeftijdversnelling" (voorspelde leeftijd minus werkelijke leeftijd)—dient als een proxy voor biologische veroudering en het mortaliteitsrisico voorspelt buiten de chronologische leeftijd om. Veel studies valideren deze klokken echter uitsluitend door de determinatiecoëfficiënt ( $R^2$ ) tegen de chronologische leeftijd te rapporteren, zonder te testen of de residuen daadwerkelijk de dood voorspellen. Dit artikel onderzoekt of het streven naar een hogere nauwkeurigheid in de voorspelling van de chronologische leeftijd onbedoeld precies het signaal wegfiltert dat vereist is voor mortaliteitsvoorspelling.

Methodologie
De studie maakte gebruik van gegevens uit tien cycli van de National Health and Nutrition Examination Survey (NHANES, 1999–2018), gekoppeld aan het NCHS public-use mortaliteitsbestand. De analytische steekproef bestond uit 45.033 volwassenen (aged 20–79) met 5.213 sterfgevallen over 445.961 persoonsjaren.

Inputs: 38 analyten (23 serumchemie, 15 hematologie) en geslacht.
Modelfamilies: Zes families van modellen werden gefit om de chronologische leeftijd te voorspellen onder geneste kruisvalidatie (5-voudige buitenste, 3-voudige binnenste):
1. Ordinary Least Squares (OLS)
2. Ridge Regressie
3. Principal Component Regression (PCA + Ridge)
4. k-Nearest Neighbors (k-NN)
5. Histogram Gradient Boosting
6. Multilayer Perceptron (Neuraal Netwerk)
Architectuur-sweep: Om te garanderen dat neurale netwerken niet onderbezet waren, werd een willekeurige steekproef van 360 netwerken getraind over een 1.296-punts factoriële grid van hyperparameters (diepte, activatie, straffen, leersnelheden).
Definitie van Leeftijdversnelling: Conform conventies in de neuroimaging werd leeftijdversnelling gedefinieerd als het residu van een lineaire regressie van de out-of-fold voorspelde leeftijd op de chronologische leeftijd (om correlatie met leeftijd te verwijderen).
Evaluatie: Modellen werden geëvalueerd op alle doodsoorzaken met behulp van Cox proportional hazards modellen, aangepast voor chronologische leeftijd en geslacht. Prestaties werden gemeten met Harrell's C-index (discriminatie) en Hazard Ratios (HR).
Controles:
- PhenoAge: Een gepubliceerde, op mortaliteit getrainde klok (gebruikmakend van 9 markers) werd berekend als benchmark.
- Mortaliteit-getrainde Score: Een ridge-gepenaliseerd Cox-model werd direct op dezelfde 38 analyten gefit om de dood te voorspellen, wat diende als een bovengrens voor de informatie die in de data beschikbaar is.

Belangrijkste Resultaten

Nauwkeurigheid vs. Nut-inversie: Flexibele modellen (Gradient Boosting, Neurale Netwerken) presteerden significant beter in het voorspellen van de chronologische leeftijd. De out-of-fold $R^2$ steeg van 0,398 (Ridge) naar 0,557 (Neuraal Netwerk). Echter, het nut van de resulterende leeftijdversnelling voor mortaliteitsvoorspelling bewoog in de tegenovergestelde richting.
- Ridge regressie (laagste nauwkeurigheid) leverde de hoogste winst in mortaliteitsdiscriminatie: $\Delta C = +0,0124$ .
- Neurale netwerken (hoogste nauwkeurigheid) leverden de laagste winst: $\Delta C = +0,0056$ .
- De correlatie tussen de leeftijd-voorspellende $R^2$ en de C-index winst over de modelfamilies heen was $-0,94 $($ p=0,005$).
Het Plafond van Trainingsdoelen: Dezelfde 38 analyten, wanneer direct tegen mortaliteit werden gefit in plaats van tegen leeftijd, produceerden een score met een C-index winst van $+0,0367$ (3,0 keer de beste leeftijd-getrainde residu). Deze mortaliteit-getrainde score behield 85% van zijn voorspellende kracht, zelfs nadat de leeftijdversnelling al in het model was opgenomen, wat aangeeft dat de leeftijd-getrainde residuen het merendeel van het mortaliteitssignaal dat in het bloedpaneel aanwezig is, niet vangen.
Divergerende Signalen: De analyten die het sterkst correleerden met chronologische leeftijd, waren grotendeels orthogonaal aan de analyten die mortaliteit voorspelden. Bijvoorbeeld: Bloedureumstikstof (Blood Urea Nitrogen) was de top marker voor leeftijd-correlatie maar rangschikte 30e voor mortaliteit; Albumine was de top mortaliteitsmarker maar rangschikte slechts 15e voor leeftijd. De rangcorrelatie tussen leeftijd-correlatie en de grootte van de mortaliteit-hazard was bijna nul ( $+0,02$ ).
Artefact van de Steekproefcompositie: De gerapporteerde $R^2$ -waarden voor leeftijdvoorspelling bleken sterk afhankelijk te zijn van het leeftijdvenster van de steekproef. Het variëren van de onderste leeftijdsgrens van 20 naar 12 (inclusief adolescenten) verhoogde de $R^2$ van 0,557 naar 0,683, terwijl het vernauwen van het venster naar 20–45 de waarde deed dalen naar 0,247. Dit suggereert dat hoge $R^2$ -waarden in de literatuur vaak een reflectie zijn van de heterogeniteit van de steekproef in plaats van modelsuperioriteit.

Belangrijkste Bijdragen

Empirische Validatie van Theoretische Zorgen: De studie levert direct empirisch bewijs dat het maximaliseren van de nauwkeurigheid van de chronologische leeftijdsprognose contraproductief is voor het genereren van mortaliteit-voorspellende biomarkers.
Ontkoppeling van Nauwkeurigheid en Nut: Het demonstreert dat binnen een enkele modelklasse (bijv. lineaire modellen getuned door regularisatie), nauwkeurigheid en nut samen stijgen, maar dat de overstap naar flexibele leerders over modelklassen heen, de leeftijd-specifieke structuren vastlegt die prognostisch inert zijn, waardoor het signaal uit het residu wordt verwijderd.
Dominantie van het Trainingsdoel: Het stelt vast dat het trainingsdoel (leeftijd versus mortaliteit) de primaire determinant is van de bruikbaarheid van een biomarker, en niet de datakwaliteit of de modelklasse.
Herwaardering van Metrieken: Het betoogt dat $R^2$ tegen de chronologische leeftijd een eigenschap is van de leeftijdsverdeling van de steekproef, en geen geldige metriek om verouderingsklokken tussen studies te vergelijken of hun klinische waarde te beoordelen.

Betekenis en Claims
De paper concludeert dat het fitten van bloedchemie aan de chronologische leeftijd een geldige regressieproblematiek is voor het beschrijven van hoe biochemie verandert met de leeftijd, maar dat dit een "slechte manier is om een mortaliteits-biomarker te bouwen." Het residu van een dergelijke fit verwerpt het merendeel van het mortaliteit-relevante signaal.

De auteur stelt dat:

Prognostische klokken moeten worden getraind op prognose: Modellen zoals PhenoAge en GrimAge presteren beter omdat ze direct op mortaliteitsuitkomsten zijn getraind, niet op chronologische leeftijd.
Huidige evaluatiemetrieken zijn misleidend: Het rapporteren van $R^2$ tegen de chronologische leeftijd verhult het feit dat de meest nauwkeurige modellen de minst nuttige residuen opleveren.
Klinische waarde is laag voor leeftijd-getrainde residuen: De incrementele discriminatie die wordt geboden door de leeftijdversnelling van moderne AI-modellen is verwaarloosbaar ( $\Delta C \approx 0,005$ ) vergeleken met de potentieel beschikbare waarde in dezelfde data ( $\Delta C \approx 0,037$ ).

De studie beweert niet dat het concept van "biologische leeftijd" een leeg concept is, noch dat chronologische-leeftijdsmodellen nutteloos zijn voor het beschrijven van fysiologische veranderingen. Het betoogt echter dat voor het specifieke doel van het voorspellen van de dood, de aanpak van het "leeftijd-getrainde residu" systematisch suboptimaal is omdat de doelfunctie (het minimaliseren van de leeftijdfout) orthogonaal is aan het gewenste resultaat (het voorspellen van mortaliteit).