Organe altern unterschiedlich schnell – ein Bluttest verrät, welche

Das chronologische Alter korreliert häufig unzureichend mit dem physiologischen Funktionszustand des menschlichen Körpers. Während bisherige Methoden zur Bestimmung des biologischen Alters primär auf molekularen Biomarkern wie der DNA-Methylierung oder Transkriptom-Analysen basierten, fokussierte ein Forschungsteam des CeMM Forschungszentrums für Molekulare Medizin der ÖAW und des Ludwig Boltzmann Institute for Network Medicine (LBI-NetMed) an der Universität Wien unter der Leitung von André Rendeiro, Ernesto Abila, Iva Buljan und Yimin Zheng die zelluläre und mikroskopische Gewebearchitektur. Mittels KI-gestützter Bildanalyse von Histologiepräparaten wiesen die Forschenden nach, dass menschliche Organe heterogen altern und sich diese strukturellen Transformationsprozesse auch über Blutproben nachweisen lassen.

Entwicklung KI-basierter „Gewebeuhren“ via Deep Learning

Die Datengrundlage der Studie stammte aus dem Genotype-Tissue Expression Project (GTEx) und umfasste 25.712 digitale Gewebeschnitte (aus ca. 480 Millionen Einzelbildern) von 983 Personen aus 40 Gewebearten. Mithilfe unsupervised und supervised Computer-Vision-Modellen zeigte sich, dass das biologische Alter der primäre Varianzfaktor der Gewebe-Morphologie ist. Auf dieser Basis entwickelte das Team organ-spezifische „Gewebeuhren“ (tissue clocks), die das biologische Alter mit einem mittleren absoluten Fehler von 4,9 Jahren präzise vorhersagen.

In der Detektion gewebespezifischer Pathologien übertrafen diese Bildmodelle klassische DNA-basierte Epigenetik-Uhren. Zudem korrelierten die vorhergesagten Abweichungen signifikant mit zellulären Alterungsmarkern wie der Telomerverkürzung und der Histopathologie.

„Unsere Gewebe tragen eine bemerkenswert detaillierte Aufzeichnung des Alterungsprozesses in sich“, sagt André Rendeiro. „Durch die Kombination von Histologiebildern mit Künstlicher Intelligenz können wir Muster biologischer Alterung erkennen, die für das menschliche Auge unsichtbar sind, und beginnen zu verstehen, wie unterschiedlich sich Alterungsprozesse im Körper entfalten.“

Organ-spezifische Alterungskinetiken und Krankheitskorrelationen

Die Datenauswertung belegt, dass Alterungsprozesse keineswegs synchron verlaufen. Während Organe wie Lunge, Niere, Pankreas und Nebenniere bereits zwischen dem 20. und 40. Lebensjahr frühe morphologische Alterungszeichen aufweisen, zeigen andere Gewebe spätere oder nicht-lineare Kinetiken – wie etwa der Uterus im Kontext der Menopause. Systemische und lokale Erkrankungen spiegelten sich in beschleunigten Alterungssignalen wider; so korrelierte Nierenversagen mit mulitorganischen Umbauprozessen, während Diabetes mellitus primär zu strukturellen Aberrationen im Pankreas führte.

„Besonders auffällig ist, wie unterschiedlich einzelne Organe altern und wie sich das in ihrer Gewebearchitektur widerspiegelt“, sagt Ernesto Abila. „Deep Learning ermöglicht es uns, diese räumlichen Muster zu lesen und Alterung als strukturellen Umbau des Gewebes zu erfassen – und nicht nur als molekulare Veränderungen.“

Translationale Blutanalytik für das Organ-Monitoring

Da Histologie-Biopsien invasiv sind, verknüpfte das Team die Bilddaten mit den entsprechenden Genexpressionsprofilen aus Vollblutproben. So wurden maschinelle Lernmodelle trainiert, die das strukturelle Organalter indirekt über zirkulierende Transkriptionsmuster bestimmen.

„Das ist ein konzeptioneller Sprung“, erklärt Iva Buljan. „Wir nutzen die Sprache der Gewebealterung, die wir aus Bildern gelernt haben, und übersetzen sie in etwas, das aus einer gewöhnlichen Blutprobe abgelesen werden kann.“
Diese blutbasierten Repräsentanten zeigten spezifische Alterungssignale bei verschiedenen Krankheitsbildern: Bei Morbus Crohn zeigte sich eine beschleunigte Alterung entlang des gesamten Gastrointestinaltrakts, während bei Morbus Alzheimer das stärkste Signal spezifisch im Gehirn auftrat. Auch für Erkrankungen wie Mukoviszidose, Vaskulitis, Diabetes und apoplektische Insulte wurden valide Biomarkermuster identifiziert.

„Diese Studie zeigt, dass Altern nicht einfach eine Frage des chronologischen Alters ist“, sagt Yimin Zheng. „Verschiedene Organe altern auf unterschiedliche Weise, und diese Prozesse scheinen sowohl von systemischen als auch von gewebespezifischen Faktoren geprägt zu sein.“ Die Verknüpfung von Hochdurchsatz-Bildgebung, Multi-Omics und klinischen Daten demonstriert das Potenzial der Computational Pathology für die künftige, minimalinvasive Validierung des Organzustands in der Diagnostik.

Quelle

CeMM Forschungszentrum für Molekulare Medizin der Österreichischen Akademie der Wissenschaften (08/2026)