أصبحت ساعات الشيخوخة أداة روتينية: فمن مثيلة الحمض النووي (DNA methylation) أو النسخوم (transcriptome) أو صور الدماغ يُحسب العمر البيولوجي ويُقارن بالعمر الزمني. ويُفسَّر الانحراف نحو الأعلى على أنه شيخوخة متسارعة ويُربط بالأمراض، بينما يُفسَّر الانحراف نحو الأسفل على أنه مرونة. لكن نماذج التعلم الآلي القياسية (الغابة العشوائية، والتعزيز التدرجي، والشبكات العصبية) تضغط التنبؤات نحو المتوسط بشكل منهجي: فيقل العمر لدى المسنين ويرتفع لدى الشباب. وينتقل هذا الانحياز إلى ساعات الشيخوخة لأن العمر البيولوجي الحقيقي غير قابل للملاحظة، وتُدرَّب النماذج على العمر الزمني كبديل. ونتيجة لذلك قد تتشوّه الارتباطات بين الشيخوخة المتسارعة والصحة إلى حد انقلاب الإشارة، ما يضع استنتاجات كثير من الدراسات موضع شك. ويقع هذا العمل في منطقة نائية: ففي الأرشيف المجاور أعمال عن شيخوخة الخلايا والبطاريات والدماغ، لكن لا أحد عالج مشكلة انحياز التنبؤات تحديدًا في ساعات الشيخوخة.
يبدأ المؤلفون بصياغة رسمية للانحياز المنهجي في تنبؤات الانحدار العام للتعلم الآلي: فإذا كان ميل انحدار الناتج المتنبأ به على الناتج الحقيقي أقل من الواحد، كان الانحياز خطيًا ومتناسبًا مع 1 − η. ثم ينقلون ذلك إلى ساعات الشيخوخة، حيث يكون العمر البيولوجي الحقيقي مخفيًا ويُستخدم العمر الزمني بديلًا عنه، ويثبتون مبرهنة على اتساق تقدير الانحياز من البديل. ولإزالة الانحياز يُقترح أسلوب الانحدار غير المتحيّز (UMLR): إذ يُضاف إلى دالة الهدف قيدان على متوسطات التنبؤات في مجموعتين فرعيتين منفصلتين، مقسومتين حسب الناتج (مثلًا حسب وسيط العمر). ويعمل هذان القيدان كنقطتي ارتكاز تثبّتان خط التنبؤات على القطر «المتنبأ به = الحقيقي»، ما يضمن ميلًا قدره 1. ويُختبر الأسلوب في محاكاات وعلى مجموعتي بيانات حقيقيتين: عمر الدماغ من التباين الجزئي الكسري للمادة البيضاء من البنك الحيوي البريطاني (UK Biobank) للتدريب ومشروع ربط الدماغ البشري في الشيخوخة (Human Connectome Project in Aging) للاختبار، وكذلك الساعات اللاجينية من مواقع CpG من دراسة فرامنغهام للقلب مع التدريب على بيانات مينيسوتا والاختبار على بيانات جونز هوبكنز.
في المحاكاات تُظهر النماذج القياسية (الغابة العشوائية، وXGBoost، والشبكات العصبية، وLASSO) انحيازًا منهجيًا: إذ يكون ميل انحدار المتنبأ به على الناتج الحقيقي أقل من الواحد، ويبلغ الانحياز أقصاه عند طرفي المدى العمري. ويزيل UMLR الانحياز فيعطي ميلًا قريبًا من الواحد، وإن كان الخطأ التربيعي المتوسط قد يكون أعلى ومعامل التحديد R² أدنى مما في النماذج المتحيّزة. وفي حالة عمر الدماغ على عينة اختبار HCP تعطي النماذج المتحيّزة علاقة موجبة بين فجوة العمر البيولوجي والدرجة الإدراكية (t= −2.62، p=0.066)، أي أن الشيخوخة المتسارعة مرتبطة بوظيفة إدراكية أفضل، وهو ما يخالف التوقعات. ويغيّر UMLR الإشارة: فتصبح العلاقة سالبة (t=4.38، p=1.58×10⁻⁵)، أي أن الشيخوخة المتسارعة مرتبطة بوظيفة إدراكية أسوأ، كما ينبغي. وفي حالة الساعات اللاجينية تغيّر العلاقة بين الفجوة والكرياتينين في المصل (وهو مؤشر على وظائف الكلى) إشارتها أيضًا: فتعطي النماذج المتحيّزة ارتباطًا سالبًا (t= −3.68، p=2.94×10⁻⁴)، بينما يعطي UMLR ارتباطًا موجبًا وإن كان غير دال إحصائيًا (t=0.79، p=0.43). وكان انحياز المعامل η للنماذج القياسية في بيانات الاختبار نحو 0.5–0.7، بينما كان قريبًا من 1.0 في UMLR.
يُظهر العمل أن الاستنتاجات حول ارتباط الشيخوخة المتسارعة بالأمراض وعوامل الخطر قد تكون أثرًا ناتجًا عن انحياز التنبؤات لا إشارة بيولوجية. وخلافًا للأعمال المجاورة التي تبني ساعات أو تبحث عن ارتباطات دون ضبط الانحياز، يُقدَّم هنا لأول مرة تعريف رسمي للانحياز في ساعات الشيخوخة، ويُثبت انتقاله إلى العمر البيولوجي غير القابل للملاحظة، ويُقترح أسلوب لتصحيحه في مرحلة التدريب. وهذا يغيّر معيار التحليل: فبدلًا من المعايرة اللاحقة التي تجعل التنبؤات معتمدة أكثر من اللازم على العمر الزمني، يُدمج UMLR عدم الانحياز في النموذج نفسه. وبالنسبة لعلم أوبئة الشيخوخة، يعني هذا أن كثيرًا من الارتباطات المنشورة قد يُعاد النظر فيها، وأن الدراسات المستقبلية ينبغي أن تستخدم أساليب غير متحيّزة.
يمكن تعميم أسلوب UMLR على أنواع أخرى من ساعات الشيخوخة (النسخومية، والبروتيومية، والمتعددة الأوميكس) وعلى نماذج التعلم العميق حيث يوجد الانحياز أيضًا. ومن الممكن تكييف القيود مع أنماط الانحياز غير الخطية ومع النواتج الخاضعة للرقابة، كما في الدراسات الطولية. وسيكون اتجاه آخر هو تطوير اختبارات تشخيصية للتحقق من الانحياز في الساعات المنشورة بالفعل وإعادة حساب الارتباطات في البنوك الحيوية الكبيرة باستخدام UMLR. ومن المثير للاهتمام أيضًا دراسة كيف يؤثر الانحياز على التقديرات السببية (مثلًا في التوزيع العشوائي المندلي) وعلى القرارات السريرية المبنية على العمر البيولوجي.
ستؤثر النتائج على علم أوبئة الشيخوخة، وعلم الشيخوخة، والتصوير العصبي، وعلم التخلق الجيني، حيث تُستخدم ساعات الشيخوخة كمؤشرات حيوية. وهي مهمة أيضًا للتجارب السريرية التي يُستخدم فيها العمر البيولوجي كنقطة نهاية بديلة، وللطب الشخصي الذي يقيّم وتيرة الشيخوخة الفردية.
تشمل الخطوات القريبة تطبيق UMLR على الأفواج الكبيرة الموجودة (UK Biobank، وFramingham، وHCP) لإعادة حساب الارتباطات المعروفة، ونشر حزمة برمجية بواجهة سهلة. كما يلزم التحقق من الأسلوب على مجموعات بيانات خارجية ذات توزيعات عمرية مختلفة ومقارنته بأساليب بديلة لإزالة الانحياز.
في مجال الشيخوخة يبقى سؤال غير محلول حول ما تقيسه الساعات تحديدًا: هل هو العمر البيولوجي أم آثار التدريب؟ ويربط هذا العمل تلك المشكلة بمسألة إحصائية أساسية هي الاستدلال من النواتج المتنبأ بها، موضحًا أنه بدون ضبط الانحياز لا يمكن فصل تسارع الشيخوخة الحقيقي عن الانحدار نحو المتوسط. ويتقاطع هذا مع نقاش قديم حول صلاحية المؤشرات الحيوية للشيخوخة والحاجة إلى معيار ذهبي للعمر البيولوجي.
في حالة عمر الدماغ، ادّعت النماذج المتحيّزة أن من لديهم وظيفة إدراكية أفضل يهرم دماغهم أسرع، بينما قالت النماذج غير المتحيّزة العكس. فالمجموعة نفسها من البيانات أدّت إلى توصيات طبية متضاربة تبعًا لما إذا كان الانحياز قد صُحّح أم لا.
في مسلسل «الكربون المعدَّل» (Altered Carbon) يمكن فصل العمر البيولوجي عن العمر الزمني بالتقنيات، لكن حتى هناك يعاني تقدير عمر القشرة الدماغية من أخطاء منهجية إذا لم تُعاير الخوارزمية. ويذكّرنا العمل بأنه قبل الوثوق بـ«ساعات الشيخوخة» علينا التأكد من أنها لا تكذب عند طرفي المدى.
لم يُنشر على arXiv. هنا صفحته وملف PDF والصياغة الشكلية: يمكنك التحقق بنفسك، لا مجرد قراءة تحليلنا.