Japanse onderzoekers hebben een nieuwe, niet-invasieve methode ontwikkeld om biologische veroudering te meten op basis van urine. Door machine learning te combineren met microRNA-analyse slaagt deze zogeheten ‘biologische verouderingsklok’ erin de leeftijd van personen met hoge nauwkeurigheid te voorspellen. De gemiddelde afwijking ten opzichte van de chronologische leeftijd bedraagt slechts 4,4 jaar.
De technologie is ontwikkeld door Craif Inc. in samenwerking met het Institute of Innovation for Future Society van Nagoya University. De resultaten zijn gepubliceerd in het wetenschappelijke tijdschrift npj Aging en markeren een belangrijke stap richting toegankelijke, preventieve gezondheidszorg.
Chronologische versus biologische leeftijd
Leeftijd is een van de belangrijkste risicofactoren voor chronische aandoeningen zoals hart- en vaatziekten, diabetes en kanker. Toch zegt het aantal jaren dat iemand leeft niet altijd iets over de daadwerkelijke gezondheidstoestand. Sommige mensen verouderen sneller dan gemiddeld, anderen juist langzamer. Het verschil tussen chronologische en biologische leeftijd kan daarom waardevolle informatie bieden voor preventie en vroegsignalering.
Biologische verouderingsklokken (‘aging clocks’) proberen dit verschil inzichtelijk te maken aan de hand van biomarkers die veranderen met de leeftijd. Tot nu toe zijn vooral DNA-methyleringsmodellen bekend, die sterke verbanden laten zien met ziekte en sterfterisico. Daarnaast winnen microRNA’s (miRNA’s) aan belangstelling. Deze kleine RNA-moleculen spelen een rol in de regulatie van genexpressie en zijn betrokken bij leeftijdsgerelateerde processen.
Een 'aging clock' op basis van urine
Wat deze studie onderscheidt, is het gebruik van urine als bron. Urine is eenvoudig, pijnloos en goedkoop te verzamelen, wat grootschalige toepassing aantrekkelijk maakt. De onderzoekers ontwikkelden een verouderingsklok op basis van miRNA’s in extracellulaire vesikels in urine, met behulp van machine learning.
Voor de studie werden urinemonsters gebruikt van 6.331 personen die deelnamen aan de miSignal Scan-kankerscreeningstest. Naast de monsters werd ook vragenlijstdata verzameld over onder meer leeftijd, geslacht, lichaamsgewicht, rookgedrag, alcoholgebruik, beweging en comorbiditeit. Deelnemers konden via een opt-outprocedure afzien van gebruik van hun data.
Het machine learning-model werd getraind met gegevens van 2.400 deelnemers. Vervolgens werd het gevalideerd in twee aparte testgroepen: één met 2.840 personen met een evenwichtige verdeling naar leeftijd en geslacht, en een tweede onafhankelijke groep van 1.091 personen zonder deze balans.
Hoge nauwkeurigheid, brede toepasbaarheid
Na sequencing van de urinemonsters, gemiddeld goed voor zo’n 4 miljoen ‘reads’ per monster, bleven 407 relevante miRNA-kenmerken over voor modelontwikkeling. In de trainingsset voorspelde het model de leeftijd met een gemiddelde afwijking van 5,1 jaar. In de eerste testset daalde die afwijking naar 4,5 jaar en in de tweede testset zelfs naar 4,4 jaar.
Opvallend is dat het model twintig miRNA’s identificeerde die consistent veranderen met de leeftijd. Tien daarvan nemen toe met het ouder worden bij zowel mannen als vrouwen, vier alleen bij mannen, terwijl zes juist afnemen. Deze miRNA’s bleken betrokken bij bekende verouderingsprocessen, zoals botombouw, immuunfunctie, mitochondriale disfunctie en apoptose (geprogrammeerde celdood).
Vergelijking met bestaande methoden
Qua nauwkeurigheid blijft de urine-gebaseerde aging clock net achter bij DNA-methyleringsklokken, die momenteel als ‘gouden standaard’ gelden. Tegelijkertijd presteert de nieuwe methode beter dan bestaande verouderingsklokken op basis van miRNA’s of mRNA’s uit bloed. Dat maakt de urine-aanpak interessant, zeker gezien het gebruiksgemak en de lage belasting voor de patiënt.
De onderzoekers plaatsen wel kanttekeningen bij toepassing aan de randen van het leeftijdsspectrum. Bij personen jonger dan 25 jaar of ouder dan 80 jaar neemt de nauwkeurigheid af, waardoor voorzichtigheid geboden is bij interpretatie.
Digitale biomarker voor preventieve zorg
Volgens de auteurs is dit de eerste gevalideerde biologische verouderingsklok op basis van urine-miRNA’s die zowel nauwkeurig als praktisch inzetbaar is. Daarmee opent de technologie de deur naar nieuwe vormen van preventieve zorg, waarbij biologische veroudering en versnelde verouderingsprocessen vroegtijdig kunnen worden opgespoord.
In de context van digitale gezondheid en gepersonaliseerde zorg past deze ontwikkeling goed bij de verschuiving van ‘ziektezorg’ naar ‘gezondheidszorg’. Niet-invasieve biomarkers, gecombineerd met AI, kunnen zorgverleners ondersteunen bij risicostratificatie, leefstijladvies en monitoring van interventies. Urine als datadrager zou daarbij wel eens een sleutelrol kunnen gaan spelen.
Urinetester in het toilet
Een jaar geleden introduceerde de Chinese start-up Shanmu op de CES in Las Vegas de S1, een compact apparaatje met sensoren dat elk toilet omtovert tot een thuistest voor urine. Het apparaatje, dat in de wc-pot wordt geplaatst, analyseert tijdens normaal gebruik slechts 1 microliter urine en geeft binnen 10 minuten de resultaten via een mobiele app.
De S1 kan markers detecteren die verband houden met de nier- en leverfunctie, het metabolisme, de hydratatie, de zuur-base-balans en ontstekingen. De app ondersteunt testgeschiedenissen voor meerdere gebruikers. Het waterdichte apparaat werkt één tot twee maanden op een oplaadbeurt, terwijl de sensoren ongeveer zes maanden meegaan. Prijsinformatie is nog niet bekendgemaakt.
