IA vincula patrones de envejecimiento específicos de cada órgano con señales sanguíneas
Actualizado el 22 Aug 2026
Las decisiones clínicas suelen basarse en la edad cronológica, aunque los órganos pueden envejecer biológicamente a ritmos diferentes que siguen siendo difíciles de evaluar. La detección no invasiva del envejecimiento específico de cada órgano podría favorecer el monitoreo de enfermedades y el diagnóstico temprano. La histología capta cambios estructurales que reflejan el estrés biológico acumulado, pero que no son fácilmente discernibles por los médicos. Investigadores demuestran ahora un enfoque de IA que interpreta estos patrones y los vincula con indicadores sanguíneos de qué órganos están envejeciendo más rápidamente.
En el Centro de Investigación de Medicina Molecular CeMM de la Academia Austriaca de Ciencias, junto con el Instituto Ludwig Boltzmann de Medicina de Redes (LBI-NetMed) de la Universidad de Viena, los investigadores desarrollaron 'relojes tisulares' de inteligencia artificial que estiman la edad biológica específica de cada órgano a partir de imágenes histológicas. Los modelos calculan diferencias de edad a nivel de órgano en lugar de una única puntuación para todo el organismo. El enfoque está diseñado para detectar remodelaciones tisulares que son invisibles en la evaluación microscópica rutinaria.
El método aplica modelos de visión de aprendizaje profundo a la arquitectura microscópica de imágenes de alta resolución de cortes de tejido. En 40 tipos de tejidos, la edad surgió como el principal factor que determina la apariencia tisular, lo que permitió construir relojes específicos para cada órgano. Las diferencias de edad tisular derivadas de las imágenes se vincularon posteriormente con perfiles de expresión génica en sangre de los mismos individuos para desarrollar predictores capaces de estimar el envejecimiento específico de los tejidos a partir de muestras sanguíneas.
El análisis utilizó datos del proyecto Genotype-Tissue Expression (GTEx), que incluye muestras de tejido de 983 personas correspondientes a 40 órganos, entre ellos cerebro, corazón, pulmón, páncreas, piel e intestino. En total, se procesaron 25.712 imágenes histológicas, que representaban aproximadamente 480 millones de segmentos de imagen, mediante técnicas avanzadas de visión por computadora. Este diseño a gran escala permitió entrenar y evaluar de forma robusta modelos de envejecimiento dirigidos a órganos específicos y sus equivalentes basados en sangre.
Los relojes tisulares alcanzaron un error medio de predicción de 4,9 años y superaron a las estimaciones de envejecimiento basadas en ADN para captar patologías específicas de los tejidos. La edad biológica predicha se correlacionó con características del envejecimiento, entre ellas el acortamiento de los telómeros, la patología tisular y el número de enfermedades crónicas. Las trayectorias variaron según el órgano: pulmón, riñón, páncreas y glándula suprarrenal mostraron un envejecimiento acelerado entre los 20 y 40 años; el útero presentó un cambio alrededor de la menopausia; la insuficiencia renal se relacionó con un envejecimiento acelerado en múltiples tejidos, y la diabetes produjo efectos pronunciados en el páncreas.
Los predictores derivados de la sangre reprodujeron señales de envejecimiento vinculadas a órganos y asociadas con la enfermedad de Alzheimer, la enfermedad de Crohn, la fibrosis quística, la vasculitis, la diabetes y el accidente cerebrovascular. Por ejemplo, la señal más intensa en la enfermedad de Alzheimer se localizó en el cerebro, mientras que la enfermedad de Crohn reflejó un envejecimiento acelerado en todo el tracto gastrointestinal.
Los autores señalan que estos enfoques podrían contribuir al desarrollo de diagnósticos mínimamente invasivos para monitorear la salud de los órganos y la progresión de las enfermedades. El estudio, «Histological aging signatures for monitoring tissue-specific aging and disease», se publicó en Nature Medicine el 14 de agosto de 2026.
"Nuestros tejidos contienen un registro extraordinariamente detallado del proceso de envejecimiento. Al combinar imágenes histológicas con inteligencia artificial, podemos detectar patrones de envejecimiento biológico invisibles al ojo humano y comenzar a comprender cómo el envejecimiento se desarrolla de manera diferente en todo el organismo", afirmó André Rendeiro, investigador principal de CeMM y autor correspondiente del estudio.
"Este estudio pone de relieve que el envejecimiento no es simplemente una cuestión de tiempo cronológico. Los distintos órganos envejecen de maneras diferentes, y estos procesos parecen estar determinados tanto por factores sistémicos como específicos de cada tejido", afirmó Yimin Zheng, tercer coautor principal del estudio.
Enlaces relacionados
CeMM Research Center for Molecular Medicine
LBI‑NetMed
