پیری تنها به تعداد سال‌های سپری‌شده از تولد وابسته نیست، بلکه عواملی مانند ژنتیک، سبک زندگی و شرایط محیطی نیز بر آن اثر می‌گذارند. روش‌های مرسوم برای تخمین سن زیستی معمولاً به بررسی نشانگرهای زیستی عمومی مانند تغییرات DNA یا سطح پروتئین‌ها متکی هستند. بااین‌حال، این رویکردها اغلب از نقش مهم هورمون‌ها که تعادل داخلی بدن را تنظیم می‌کنند، غافل می‌مانند. هورمون‌های استروئیدی که در متابولیسم، عملکرد سیستم ایمنی و پاسخ به استرس نقش دارند، می‌توانند به عنوان شاخصی دقیق‌تر برای سن زیستی در نظر گرفته شوند.

در همین راستا، محققان دانشگاه اوزاکای ژاپن مطالعه‌ای انجام داده‌اند که در آن مدل جدیدی برای تخمین سن زیستی توسعه داده شده است. این مدل که با استفاده از هوش مصنوعی کار می‌کند، مسیرهای متابولیسم هورمون‌های استروئیدی را در نظر می‌گیرد و بر نسبت‌های بین این هورمون‌ها تمرکز دارد.

بر خلاف روش‌های پیشین که به سطح مطلق هر هورمون توجه داشتند، این مدل بر الگوهای ارتباطی میان هورمون‌ها تمرکز دارد و از این طریق، تخمین دقیق‌تری از سن زیستی افراد ارائه می‌دهد.

برای انجام این پژوهش، دانشمندان از نمونه‌های خون افراد مختلف استفاده کردند. تنها با پنج قطره خون، ۲۲ نوع هورمون استروئیدی و تعاملات آن‌ها بررسی شد. سپس یک شبکه عصبی عمیق (DNN) بر روی این داده‌ها آموزش داده شد تا بتواند سن زیستی هر فرد را با دقت بیشتری تخمین بزند. این مدل نشان داد که با افزایش سن، تفاوت در سن زیستی میان افراد بیشتر می‌شود، مشابه رودخانه‌ای که هرچه به سمت پایین‌دست جریان پیدا می‌کند، پهن‌تر می‌شود.

یکی از یافته‌های قابل توجه این تحقیق، رابطه بین استرس و افزایش سن زیستی بود. نتایج نشان دادند که دو برابر شدن سطح هورمون کورتیزول – که با استرس مرتبط است – باعث افزایش سن زیستی به میزان ۱.۵ برابر می‌شود. این مسئله تأییدی علمی بر تأثیر منفی استرس مزمن بر روند پیری بدن است و اهمیت کنترل استرس برای حفظ سلامت طولانی‌مدت را برجسته می‌کند.

این مدل جدید مبتنی بر هوش مصنوعی می‌تواند به عنوان ابزاری برای پایش سلامت فردی مورد استفاده قرار گیرد. از جمله کاربردهای احتمالی آن، تشخیص زودهنگام بیماری‌های مرتبط با افزایش سن، طراحی برنامه‌های سلامت شخصی‌سازی‌شده و ارائه توصیه‌های سبک زندگی برای کاهش سرعت پیری است.

هرچند این مطالعه گام مهمی در درک سن زیستی به شمار می‌رود؛ اما پژوهشگران تأکید دارند که پیری فرآیندی پیچیده است و تحت تأثیر عوامل متعددی فراتر از هورمون‌ها قرار دارد. آن‌ها قصد دارند با گسترش پایگاه داده‌های خود و ترکیب سایر نشانگرهای زیستی، دقت این مدل را بهبود دهند و به درک عمیق‌تری از مکانیسم‌های پیری دست یابند.

این مطالعه در نشریه Science Advances منتشر شده و نتایج آن می‌تواند مسیر جدیدی برای شخصی‌سازی مراقبت‌های بهداشتی و بهبود کیفیت زندگی افراد فراهم کند.