Das Geburtsdatum im Ausweis lässt einen oft stutzen - manche Menschen wirken um viele Jahre jünger, andere deutlich älter, als sie sind. Doch warum ist das so, und was geschieht dabei im Körper? Altert eine Leber anders als ein Gehirn? Und lässt sich die Lücke zwischen dem Alter im Reisepass und dem biologischen Alter einzelner Organe messen?
Eine neue Studie unter der Leitung des CeMM und LBI-NetMed Principal Investigator André Rendeiro sowie der Co-Erstautor:innen Ernesto Abila, Iva Buljan und Yimin Zheng bringt uns der Beantwortung dieser Fragen einen großen Schritt näher. Durch die Kombination von Künstlicher Intelligenz mit einer der weltweit größten Sammlungen menschlicher Gewebebilder untersuchte das Team, wie sich die Architektur von Geweben im Laufe des Lebens verändert. Während frühere Studien vor allem molekulare Veränderungen wie DNA-Methylierung oder Genexpression analysierten, richtet sich der Blick hier auf die Struktur des Gewebes selbst.
Ein stilles Tagebuch der Zeit
Für ihre Arbeit nutzten die Forschenden Daten des Genotype-Tissue Expression Project (GTEx), das Proben von 40 verschiedenen Gewebearten wie Hirn, Herz, Lunge, Bauchspeicheldrüse, Haut und Darm von 983 Personen gesammelt hat. Aus diesen Proben entstanden hochauflösende digitale Bilder von Gewebeschnitten, die jeweils die mikroskopische Architektur des entsprechenden Organs sichtbar machen. Insgesamt wurden 25.712 Gewebeschnitte, zusammengesetzt aus rund 480 Millionen Einzelbildern, mithilfe modernster Bildanalysemodelle ausgewertet.
Dabei zeigte sich, dass die Architektur unserer Organe sich wie ein stiller Zeitzähler lesen lässt: Ohne dass die KI explizit darauf trainiert wurde, erwies sich das Alter als der wichtigste Faktor, der das Erscheinungsbild von Gewebe über alle 40 Gewebearten hinweg prägt. Auf dieser Grundlage entwickelten die Forschenden sogenannte „Gewebeuhren“ (engl. „tissue clocks“) – Vorhersagemodelle, die das biologische Alter einer Person anhand ihres Gewebes schätzen können, und zwar für jedes einzelne Organ.
Die Modelle erreichten einen durchschnittlichen Vorhersagefehler von lediglich 4,9 Jahren und waren bestehenden DNA-basierten Altersschätzungen überlegen, wenn es um die Erkennung gewebespezifischer krankhafter Veränderungen ging. Das vorhergesagte biologische Alter zeigte zudem starke Zusammenhänge mit bekannten Merkmalen des Alterns wie Telomerverkürzung, Gewebepathologien oder der Anzahl chronischer Erkrankungen.
„Unsere Gewebe tragen eine bemerkenswert detaillierte Aufzeichnung des Alterungsprozesses in sich“, sagt André Rendeiro, Principal Investigator am CeMM und korrespondierender Autor der Studie. „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.“
Für jedes Organ ein anderer Zeitplan
Die Analyse zeigte, dass Altern nicht gleichmäßig verläuft. Einige Gewebe, darunter Lunge, Niere, Bauchspeicheldrüse und Nebenniere, zeigten bereits zwischen dem 20. und 40. Lebensjahr erste Anzeichen beschleunigter Alterung. Andere folgten komplexeren Verläufen, mit Phasen beschleunigter Alterung erst später im Leben. Besonders auffällige Veränderungen zeigte etwa die Gebärmutter rund um die Menopause. Die Forschenden fanden außerdem deutliche Zusammenhänge zwischen gewebespezifischer Alterung und Erkrankungen oder Lebensstilfaktoren: Nierenversagen ging etwa mit beschleunigten Alterungssignalen in mehreren Geweben einher, während sich Diabetes besonders ausgeprägt in der Bauchspeicheldrüse zeigte.
„Besonders auffällig ist, wie unterschiedlich einzelne Organe altern und wie sich das in ihrer Gewebearchitektur widerspiegelt“, sagt Ernesto Abila, Co-Erstautor der Studie. „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.“ Während die „Gewebeuhren“ die normale Geschwindigkeit des Alterns in verschiedenen Organen abbildeten, identifizierten sie auch Ausreißer: Menschen, deren Gewebe schon deutliche strukturelle Veränderungen zeigte, die man erst in höherem Alter erwarten würde.
Gewebeproben erfordern jedoch invasive Eingriffe und lassen sich nicht immer gewinnen. Deshalb verknüpften die Forschenden Genexpressionsprofile aus Blutproben mit den histologisch bestimmten Altersabweichungen derselben Personen. Auf dieser Grundlage entwickelten sie Modelle, die das biologische Alter einzelner Gewebe allein aus Blutproben vorhersagen können. „Das ist ein konzeptioneller Sprung“, erklärt Co-Erstautorin 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.“
Blutproben zeigen Alterungsmuster
Die blutbasierten Modelle konnten Alterungsmuster identifizieren, die mit verschiedenen Erkrankungen in Zusammenhang stehen, darunter Alzheimer, Morbus Crohn, Mukoviszidose, Vaskulitis, Diabetes und Schlaganfall. Bei Alzheimer wurde das stärkste Alterungssignal spezifisch im Gehirn beobachtet, während Morbus Crohn mit beschleunigter Alterung entlang des gesamten Magen-Darm-Trakts verbunden war.
„Diese Studie zeigt, dass Altern nicht einfach eine Frage des chronologischen Alters ist“, sagt Yimin Zheng, dritter Co-Erstautor der Studie. „Verschiedene Organe altern auf unterschiedliche Weise, und diese Prozesse scheinen sowohl von systemischen als auch von gewebespezifischen Faktoren geprägt zu sein.“ Die Ergebnisse legen nahe, dass die Gewebearchitektur viele der molekularen und physiologischen Veränderungen integriert, die mit Alterung und Krankheit verbunden sind. Künftig könnten solche Ansätze zu minimalinvasiven Diagnoseverfahren beitragen, die den Gesundheitszustand von Organen und das Fortschreiten von Krankheiten über Bluttests überwachen.
Die Studie verdeutlicht zudem das wachsende Potenzial Künstlicher Intelligenz in der Pathologie und Alternsforschung. Durch die Verknüpfung von Gewebebildgebung, Genexpression und klinischen Daten im großen Maßstab liefert die Arbeit einen umfassenden Einblick, wie sich Alterung im menschlichen Körper manifestiert.
CeMM Forschungszentrum für Molekulare Medizin der Österreichischen Akademie der Wissenschaften
Originalpublikation:
Abila, E., Buljan, I., Zheng, Y. et al. Histological aging signatures for monitoring tissue-specific aging and disease. Nat Med (2026). doi.org/10.1038/s41591-026-04566-5
