What question did this study set out to answer?

Diese Forschung zielt darauf ab, die Vorhersage des biologischen Alters zu verbessern, indem ein multidimensionaler Ansatz genutzt wird, der verschiedene physiologische Daten und Biomarker integriert.

April 14, 2026Open Access

Multidimensionale Modellierung des biologischen Alterns: Integration von Gang, Augenbewegungen, Ruhezustands-Funktioneller Konnektivität und Plasmabiomarkern bei nicht dementen älteren Erwachsenen

Key Points

Diese Forschung zielt darauf ab, die Vorhersage des biologischen Alters zu verbessern, indem ein multidimensionaler Ansatz genutzt wird, der verschiedene physiologische Daten und Biomarker integriert.
Analysierte Daten von 908 nicht dementen älteren Erwachsenen im Alter über 60 Jahre.
Erfasste multimodale Daten einschließlich Gangmetriken, Augenbewegungsmerkmale, Ruhezustands-Funktionelle Konnektivität und Plasmabiomarker-Level.
Korrelation einzelner Merkmale mit dem biologischen Alter und Vergleich von Einzel-Domänen- und multimodalen Modellen.
Vierzehn Gangmerkmale, zwei Augenbewegungsmerkmale und 19 Merkmale der Ruhezustands-Funktionellen Konnektivität zeigten signifikante Korrelationen mit dem Alter.
Augenbewegungsmerkmale eines einzelnen Bereichs erzielten die stärkste Vorhersageleistung mit R² = 0,606.
Ein kombiniertes multimodales Modell erreichte eine höhere Genauigkeit mit R² = 0,814, was auf eine bessere Schätzung des biologischen Alters hinweist.

Abstract

Eine genaue Modellierung des biologischen Alters hat klinischen Wert für die Risikostratifizierung, personalisierte Prävention und Interventionsplanung und fördert die proaktive Gesundheitsversorgung bei Alterung und altersbedingten Erkrankungen. Da das Altern multidimensional ist, sind robuste und interpretierbare multimodale Ansätze erforderlich. Wir untersuchten 908 nicht demente ältere Erwachsene (> 60 Jahre) und erfassten Daten zu Gang, Augenbewegungen, Ruhezustands-Funktioneller Konnektivität (rs-FC) und Plasmabiomarkern (neurofilament light chain, NfL, und gliazell-spezifisches saure Protein, GFAP). Vierzehn Gangmerkmale, zwei Augenbewegungsmerkmale, 19 rs-FC-Merkmale und Plasmagfap-Level korrelierten signifikant mit dem Alter (p). Ein einzelner Augenbewegungsbereich erreichte eine Vorhersagegenauigkeit von R2 = 0,606; MAE = 3,060. Ein kombiniertes multimodales Modell erzielte deutlich höhere Genauigkeit (R2 = 0,814; MAE = 1,902). Diese Ergebnisse zeigen, dass die Integration physiologischer, neurologischer und Biomarker-Daten die Modellierung des biologischen Alters erheblich verbessert und die Entwicklung umfassender Rahmenwerke zur besseren Bewertung des Alterns sowie zur gezielten, zeitgerechten Prävention unterstützt.

Multidimensionale Modellierung des biologischen Alterns: Integration von Gang, Augenbewegungen, Ruhezustands-Funktioneller Konnektivität und Plasmabiomarkern bei nicht dementen älteren Erwachsenen

Key Points

Abstract

Cite This Study