MRT-basierte biologische Altersschätzung mittels Deep Learning zur Vorhersage kardiometabolischer Ereignisse in der Allgemeinbevölkerung

Zielsetzung Chronologisches Alter ist einer der Eckpfeiler für Therapieentscheidungen, aber ein unvollkommenes Maß für Gesundheit. Wir entwickelten ein Deep Learning Modell (MRI-Age) zur Schätzung des biologischen Alters anhand von MRTs vor und untersuchten dessen prognostischen Wert für kardiometabolische Ereignisse unabhängig vom chronologischen Alter und bekannten Risikofaktoren.

Material und Methoden Wir nutzten 30.389 Personen aus der NAKO, um MRI-Age zu entwickeln, das volumetrische Body Composition einschließlich subkutanem, viszeralem, intramuskulärem Fettgewebe und der Muskulatur als Input verwendet und ein Alter in Jahren prädiziert. Für Folgeanalysen verwendeten wir die MRI-Age-Akzeleration, definiert als altersspezifischer z-Score der Altersprädiktion. Wir validierten den Ansatz in einem externen Testset von 36.317 Personen aus der UK Biobank (UKBB). Die Endpunkte waren Diabetes, MACE und Gesamtmortalität. Multivariable Cox-Regressionen, korrigiert für traditionelle kardiometabolische Risikofaktoren, untersuchten den Zusammenhang zwischen „negativer“ (<-1) und „positiver“ (>1) MRI-Age-Akzeleration im Vergleich zur Referenz ( -1 bis 1).

Ergebnisse Bei 36.317 UKBB-Teilnehmern (65,1±7,8 Jahre, 51,7% weiblich; mediane Follow-up-Zeit 4,8 Jahre) fanden wir eine erhöhte Inzidenz von Diabetes, MACE und Tod für Personen mit positiver MRI-Age-Akzeleration. In der multivariablen adjustierten Cox-Regression zeigte sich ein signifikanter positiver Zusammenhang zwischen positiver MRI-Age-Akzeleration und Diabetes (aHR: 1,87, 95% CI [1,56-2,25], p<0,001), MACE (aHR: 1,26, 95% CI [1,01-1,57], p=0,038) und Tod (aHR: 1,37, 95% CI [1,09-1,72], p=0,007).

Schlussfolgerungen Die auf Deep Learning basierende biologische Altersschätzung anhand von MRTs prognostiziert kardiometabolische Outcomes in der Allgemeinbevölkerung über das chronologische Alter und kardiometabolische Risikofaktoren hinaus. Personen mit hohem MRT-Alter könnten von personalisierten Präventionsstrategien, Lebensstilinterventionen und Behandlungen profitieren.

Publikationsverlauf

Artikel online veröffentlicht:
25. März 2025