En una sala de espejos, una persona se acerca a un espejo deformante y se ve unas veces enano y otras gigante. Algo parecido hacen los populares modelos de aprendizaje automático cuando se les pide adivinar la edad biológica a partir de análisis de sangre o imágenes cerebrales: estiran la edad en los extremos, subestimándola en los mayores y sobreestimándola en los jóvenes. Este sesgo no es un error aleatorio, sino una distorsión sistemática incorporada en la propia lógica del entrenamiento. El modelo aprende a partir de la edad cronológica como sustituto de la verdadera edad biológica, porque la verdadera no es observable, y el resultado es que las predicciones se comprimen hacia la media, como una goma elástica que se estira por los dos extremos.
Los autores del estudio formalizaron este sesgo y propusieron un método de regresión insesgada (UMLR) que, durante el entrenamiento, añade dos restricciones: las predicciones medias en dos subgrupos separados por edad deben coincidir con las medias verdaderas. Es parecido a calibrar un espejo con dos puntos para que no distorsione las proporciones. En las simulaciones, el método eliminó el sesgo, aunque el error cuadrático medio aumentó y el coeficiente de determinación disminuyó: el precio de la honestidad.
La validación con datos independientes lo confirmó: en los modelos estándar, la pendiente del sesgo era de alrededor de 0.5–0.7, mientras que en UMLR se acercaba a 1.0. Esto significa que muchas de las asociaciones publicadas entre envejecimiento acelerado y enfermedades pueden ser un artefacto del sesgo y no una señal biológica. El método puede aplicarse ya hoy al construir cualquier reloj de envejecimiento, para obtener estimaciones correctas de la edad biológica y de las asociaciones en estudios epidemiológicos y clínicos.
Volvamos a la sala de espejos. El espejo deformante divierte mientras sabemos que está deformado. Pero si tomáramos su reflejo por realidad, sacaríamos conclusiones equivocadas sobre nuestro propio cuerpo. Lo mismo ocurre con los relojes de envejecimiento: antes de confiar en ellos, hay que asegurarse de que no mienten en los extremos del rango. De lo contrario, corremos el riesgo de confundir el envejecimiento acelerado con la regresión a la media, y entonces las recomendaciones médicas quedarán invertidas, como en un espejo.
En el caso de la edad cerebral, los modelos sesgados afirmaban que las personas con mejor función cognitiva tenían un cerebro que envejecía más rápido, y los insesgados, lo contrario. El mismo conjunto de datos llevaba a recomendaciones médicas opuestas según se corrigiera o no el sesgo.
En la serie «Altered Carbon» la edad biológica puede separarse de la cronológica con tecnología, pero incluso allí la estimación de la edad de la corteza cerebral sufre errores sistemáticos si el algoritmo no está calibrado. El trabajo recuerda que antes de confiar en los «relojes de envejecimiento» hay que asegurarse de que no mienten en los extremos del rango.
No publicado en arXiv. Aquí están su página, el PDF y la formalización: puede comprobarlo usted mismo, no solo leer nuestro análisis.