TLPath: De AI die de lengte van je telomeren kan meten vanuit een gewone biopsiefoto

Telomeerlengte is een van de oudste biologische markers in verouderingsonderzoek. Hoe korter je telomeren zijn in verhouding tot je leeftijd, hoe groter het risico op hartziekten, diabetes, Alzheimer en kanker. Het probleem: om ze te meten, is een complexe en dure laboratoriumtest nodig. Tot nu toe. Nieuw onderzoek gepubliceerd in Cell Reports Methods in maart 2026 onthult een AI-model genaamd TLPath, ontwikkeld in het laboratorium van Sanju Sinha aan het Sanford Burnham Prebys Institute, dat de telomeerlengte in weefsel kan voorspellen op basis van routinematige histologiebeelden.

Het probleem: waarom telomeren moeilijk te meten zijn

Telomeren zijn repetitieve DNA-sequenties aan de uiteinden van chromosomen die korter worden bij elke celdeling. Naarmate we ouder worden, worden ze geleidelijk korter. De telomeerlengte wordt momenteel gemeten met behulp van gespecialiseerde laboratoriumtests, zoals:

• qPCR: relatief zuinig, maar minder nauwkeurig voor bepaalde weefsels
• TRF (Terminal Restriction Fragment) of Southern blot: nauwkeurig maar duur en vereist een grote hoeveelheid DNA
• FISH (fluorescente hybridisatie) of op Luminex gebaseerde methoden: andere methoden die in onderzoek worden gebruikt

De telomeergegevens die werden gebruikt om het model te trainen, waren afkomstig van de GTEx-database, waar de telomeerlengte werd gemeten met een op Luminex gebaseerde methode (Demanelis et al., Science 2020). Zoals Sinha het verwoordde: "Directe meting van telomeerlengte vereist complexe en duurdere tests, die moeilijk op grote schaal kunnen worden toegepast". Dit is precies waar TLPath in beeld komt.

Het idee: wat als er tekenen van telomeerlengte in de afbeelding zitten?

Het team stelde een eenvoudige vraag: wanneer telomeren korter worden, verandert de cel. Het kan zombie worden (senescent), de deling vertragen, van vorm veranderen of interne structuren verliezen. Zijn deze veranderingen zichtbaar op een microscopische afbeelding van het weefsel?

Als dat zo is, kan een diep neuraal netwerk worden getraind om ze te herkennen. Elk ziekenhuis ter wereld produceert miljoenen biopsiefoto's als onderdeel van de routine. Als er een visuele handtekening van telomeerlengte is, kan deze direct worden geschat op basis van het bestaande klinische monster.

Hoe het netwerk werd getraind

Het team verzamelde 5.263 digitale histopathologiebeelden (routinematige H&E-kleuringen) van 919 donoren. Elk beeld werd gekoppeld aan een laboratoriummeting van de telomeerlengte van hetzelfde weefsel. 18 verschillende weefseltypen waren inbegrepen: huid, long, nier, lever, darm, enz.

Het netwerk snijdt elk beeld in gemiddeld 1.387 kleine delen. Elk deel wordt onderzocht met behulp van maximaal 1.024 structurele kenmerken: celvorm, kernstructuur, cytoplasmakleur, afstanden tussen cellen. Het netwerk leert welke combinatie van kenmerken korte telomeren voorspelt en welke lange.

De resultaten: nauwkeurigheid boven verwachting

Op testmonsters die geen deel uitmaakten van de training, toonde TLPath:

• r = 0,51 correlatie tussen zijn voorspelling en de laboratoriummeting in 11 weefseltypen. Dit is niet zo nauwkeurig als directe meting, maar het verslaat duidelijk een schatting op basis van alleen chronologische leeftijd (die slechts r = 0,20 bereikt), wat de huidige standaard is als er geen meting is
• Werkt op 11 verschillende weefseltypen, wat generaliseerbaarheid aantoont
• Interpretatie van het model onthulde dat het vertrouwt op senescentiemarkers (cellulaire veroudering), zoals een verhoogde verhouding tussen kern en cytoplasma en verandering in kernvorm

"Directe meting van telomeerlengte vereist complexe en duurdere tests, die moeilijk op grote schaal kunnen worden toegepast", legde Sinha uit. TLPath is bedoeld om deze kloof te overbruggen en de telomeerlengte te schatten op basis van reeds bestaande beelden.

De betekenis: een datarevolutie

Als TLPath wordt geïntegreerd in standaard digitale pathologieprogramma's, dan is dit wat mogelijk zou kunnen zijn:

1. Onderzoek naar een lang leven op populatieschaal. In plaats van duizenden te bemonsteren, zou de telomeerlengte kunnen worden geschat bij veel meer mensen, op basis van bestaande beelden
2. Vroegtijdige identificatie van kandidaten voor interventie (potentieel). Een persoon die een pathologisch onderzoek ondergaat, zelfs op 40-jarige leeftijd, en bij wie een lage telomeerschatting voor zijn leeftijd wordt gevonden, zou mogelijk vroeg kunnen beginnen met een beschermende levensstijl. Het is belangrijk om te benadrukken: dit is een toekomstige onderzoeksrichting, geen goedgekeurde klinische toepassing

Belangrijke opmerking: TLPath is getraind om de gemiddelde telomeerlengte in bulkweefsel te voorspellen met slechts matige nauwkeurigheid (r = 0,51) en is een onderzoeksinstrument. Het is geen goedgekeurde klinische test en is niet bedoeld voor het afstemmen van behandelingen zoals chemotherapie of voor het screenen van medicijnen. Dergelijke toepassingen zijn niet in het onderzoek getest.

Waarom dit niet zomaar weer een AI-model is

Veel AI-modellen in 2026 doen indrukwekkende maar onpraktische dingen. TLPath is anders: het probeert een specifiek probleem op grote schaal op te lossen met bestaande infrastructuur. Veel ziekenhuizen scannen hun beelden al digitaal. Geen nieuwe apparatuur, geen extra procedure voor de patiënt. Alleen het toevoegen van een softwarecomponent.

Dit is wat wetenschappers op het gebied van digitale pathologie 'toegevoegde waarde' noemen: extra informatie die wordt verkregen uit een test die al is uitgevoerd.

Beperkingen om in gedachten te houden

• De correlatie r=0,51 betekent dat ongeveer 26% van de variatie wordt verklaard. Niet sterk genoeg om te dienen als een nauwkeurige individuele test voor een enkele persoon, maar nuttig op statistisch-populatieniveau en voor onderzoek
• Het model is getraind op een specifieke populatie. Gebruik op verschillende populaties (verschillende etniciteiten) vereist verdere validatie
• Telomeren zijn slechts één marker van biologische leeftijd. Moet worden gecombineerd met andere (epigenetisch, proteomisch)
• Het netwerk verklaart niet waarom de telomeren kort zijn. Alleen dat ze er kort uitzien op basis van weefselkenmerken

Bottom line

TLPath is een veelbelovend onderzoeksinstrument, geen klinische test. De code is openbaar beschikbaar op GitHub (Sinha-CompBio-Lab/TLPath) voor onderzoekers die het werk willen uitbreiden. De bredere conclusie: het meten van veroudering kan geleidelijk verschuiven van dure laboratoria naar hulpmiddelen die kunnen worden toegepast op monsters die overal beschikbaar zijn. Als TLPath de eerste stap is, is het misschien slechts het begin van een hele golf van 'beeldbiomarkers': modellen die uit een bestaand monster een schattende waarde halen die voorheen niet zichtbaar was. De matige nauwkeurigheid herinnert ons er echter aan dat dit nog maar het begin van de weg is.