AI uczy się przewidywać długość życia. Na razie patrzy na ryby

Naukowcy wykorzystali AI, miliardy obrazów i… niewielką akwariową rybkę, żeby sprawdzić, czy z samych nawyków da się wyczytać długość życia.

Brzmi jak futurystyczna wróżba z zegarka sportowego, ale to już realne badania. Zespół ze Stanfordu przez miesiące śledził każdy ruch niewielkich ryb, a potem sprawdził, czy ich codzienne zachowania zdradzają, jak szybko się starzeją i kiedy umrą.

Mała ryba, wielkie pytania o starzenie

Ryba, którą wybrali badacze, to afrykański killifish w odmianie turkusowej. To gatunek idealny do takich eksperymentów: żyje tylko kilka miesięcy, więc cały proces starzenia mieści się w jednym krótkim projekcie. Zamiast czekać dziesiątki lat, jak w przypadku ludzi, naukowcy mogą prześledzić całe życie zwierzęcia od dorosłości do naturalnej śmierci.

W eksperymencie monitorowano 81 osobników. Każdy ruch tych ryb – pływanie, odpoczynek, bezruch, szybkie zrywy – był nagrywany bez przerwy, dzień i noc. Zebrano miliardy klatek wideo. Tego nie dałoby się przejrzeć ręcznie, więc do pracy włączono systemy sztucznej inteligencji i uczenia maszynowego.

Algorytmy zaczęły „rozbijać” życie każdej ryby na powtarzalne wzorce zachowania. W efekcie badacze wyodrębnili blisko sto podstawowych sekwencji, swoistych klocków, z których buduje się codzienność tych zwierząt. Można to porównać do słów w zdaniach: z ograniczonej liczby elementów tworzą się bardzo różne „historie życia”.

Jak zachowanie zdradza przyszłość

Po zmapowaniu tych sekwencji naukowcy zestawili je z rzeczywistą długością życia każdego osobnika. Chodziło o to, czy z zachowania w określonym wieku da się wyczytać, które ryby dotrwają do starości, a które umrą wcześniej.

Badanie pokazało, że kilka dni typowego życia w średnim wieku wystarcza, by z zaskakującą dokładnością oszacować, jak długo przeżyje konkretna ryba.

Różnice między „długowiecznymi” a „krótkowiecznymi” egzemplarzami pojawiały się już około 70–100 dnia życia, czyli znacznie przed ostatnim etapem starzenia. Nie chodziło o jeden prosty wskaźnik, typu „więcej ruchu = dłuższe życie”, ale raczej o całą kombinację codziennych nawyków, które układały się w rozpoznawalny profil.

Sen: kiedy odpoczynek staje się sygnałem alarmowym

Szczególnie mocno wybijał się temat snu. Ryby, które żyły dłużej, spały głównie w nocy, zachowując dość wyraźny rytm dobowy. W ciągu dnia były aktywne, dużo pływały, reagowały na otoczenie.

Te, które umierały wcześniej, już we wczesnej dorosłości zaczynały częściej drzemać w dzień. Ich rytm robił się bardziej rozbity, z wieloma krótkimi fazami bezruchu. To tak, jakby wewnętrzny zegar biologiczny tracił precyzję dużo szybciej.

Ruch jako sygnał kondycji biologicznej

Aktywność fizyczna okazała się kolejnym ważnym elementem układanki. Osobniki, które pływały energicznie, wykazywały spontaniczne zrywy ruchu i ogólnie „były w ruchu” w ciągu dnia, miały większą szansę dożyć późnego etapu życia. Te ospałe, o krótszych i rzadszych okresach aktywności, częściej kończyły życie szybciej.

Algorytmy nie patrzyły tylko na same wartości, ale też na ich rozmieszczenie w czasie. Różne kombinacje długości odpoczynku, intensywności ruchu i ich powtarzalności tworzyły wzory, które AI zaczęła kojarzyć z krótszą lub dłuższą perspektywą życia.

Co AI zobaczyła w genach ryb

Po analizie zachowań naukowcy sprawdzili też, co dzieje się „pod maską”, czyli w genach ryb o różnej długości życia. U tych, które żyły dłużej, widać było inne ustawienie szlaków metabolicznych i procesów związanych z rybosomami, czyli „fabrykami białek” w komórkach.

Co ciekawe, u długowiecznych osobników nie obserwowano mocnego pobudzenia mechanizmów zapalnych, które u ludzi kojarzą się często ze starzeniem i wieloma chorobami przewlekłymi. Ich organizm wydawał się dojrzewać biologicznie w wolniejszym, bardziej uporządkowanym tempie.

Obraz z kamer i analiza DNA układają się w spójny sygnał: sposób, w jaki zwierzę żyje na co dzień, odzwierciedla tempo starzenia się jego organizmu.

Czy z zegarka da się wyczytać biologiczny wiek człowieka?

Naukowcy podkreślają, że pracują na rybach, nie na ludziach, ale wnioski łatwo kuszą do dalszych pytań. Wiele podstawowych mechanizmów biologicznych jest wspólnych dla kręgowców. Jeśli u ryby da się przewidzieć długowieczność z zachowania, to pewna część tych zależności może istnieć również u innych gatunków, w tym u nas.

Tu pojawia się rola popularnej elektroniki. Smartwatche, opaski fitness i smartfony zbierają już dziś ogromne ilości danych: o ruchu, aktywności, jakości i długości snu, a czasem także o tętnie czy poziomie stresu. Z punktu widzenia takiej analizy to prawdziwa kopalnia informacji.

• czas i regularność snu rejestrowana przez zegarek
• liczba kroków i intensywność aktywności w ciągu dnia
• częstotliwość przerw w ruchu i dłuższych okresów bezczynności
• wzorce zmęczenia po wysiłku

Wszystko to razem tworzy osobisty „podpis zachowań”. Dokładnie z takiego typu danych korzystała AI w badaniu prowadzonego na rybach – tylko w wersji opartej na obrazie z kamer. W dłuższej perspektywie podobne modele mogą trafić do medycyny człowieka jako nieinwazyjne narzędzie do śledzenia procesu starzenia.

Czas biologiczny nie płynie równo

Analiza zachowań ryb odsłoniła jeszcze jedną ciekawą prawidłowość. Tempo starzenia nie jest stałe. Na wykresach aktywności pojawiały się okresy dłuższej stabilności, kiedy profil zachowań prawie się nie zmieniał, a potem nagłe przejścia do nowego etapu, z wyraźnie innym „stylem życia”.

Można to porównać do schodów zamiast łagodnej rampy. Przez jakiś czas organizm utrzymuje określony poziom sprawności, a dopiero później, w stosunkowo krótkim okresie, wskakuje na „niższy stopień”. W praktyce oznacza to, że jedna osoba w tym samym wieku kalendarzowym może być biologicznie w całkiem innej fazie niż druga.

Badanie z killifishami pokazuje, że ten czas biologiczny da się „podejrzeć” przez analizę codziennych nawyków. To daje alternatywę wobec drogich i nieprzyjemnych testów, opartych na pobieraniu próbek czy skomplikowanych badaniach obrazowych.

Korzyści i ryzyka takiej technologii

Jeśli podobne modele uda się dopasować do ludzi, lekarze zyskaliby nowe narzędzie. Zamiast pytać wyłącznie o wiek z dowodu, mogliby spojrzeć na trajektorię biologiczną pacjenta. Czy jego sen się rozpada na liczne krótkie drzemki? Czy ruch wyraźnie słabnie? Czy organizm wysyła sygnały, że wchodzi w kolejny, mniej korzystny etap?

Taka wiedza pozwalałaby wcześniej reagować: zmienić styl życia, zoptymalizować leczenie, lepiej dobierać intensywność terapii czy treningów. Z drugiej strony pojawiają się pytania o prywatność i psychikę. Nie każdy chce znać swoją przewidywaną długość życia – a tym bardziej, by takie informacje trafiały w ręce ubezpieczycieli albo pracodawców.

Warto też pamiętać, że nawet najbardziej zaawansowany algorytm nie jest wyrocznią. Daje prawdopodobieństwo, a nie pewność. Choroba, wypadek, nagłe zmiany w stylu życia – to wszystko może wywrócić prognozy do góry nogami. Dlatego lepiej patrzeć na takie narzędzia jak na swoisty „termometr starzenia”, który pomaga złapać trend, niż jak na licznik odliczający do konkretnej daty.

Sam fakt, że naukowcy potrafią odczytać tempo starzenia z tego, jak śpimy i jak się poruszamy, pokazuje coś jeszcze: codzienne drobiazgi wcale nie są drobiazgami. Każdy wieczór, który kończy się sensownym snem, i każdy dzień, w którym wykonamy choć odrobinę ruchu, dokłada cegiełkę do naszej trajektorii biologicznej – nawet jeśli różnicę widać dopiero z perspektywy lat.