Das PhenoAge-Modell - esantis.com

Das PhenoAge-Modell ist ein faszinierender Versuch, das biologische Alter anhand von physiologischen Signalen zu schätzen, die eng mit dem Sterblichkeitsrisiko und der funktionellen Integrität des Organismus zusammenhängen.

1. Warum genau diese Blutwerte?

Das Ziel von Levine et al. (2018) war es, ein möglichst genaues Modell für „phenotypisches“ Alter zu entwickeln – also ein Maß für das biologische Altern, das über das chronologische Alter hinausgeht.

Sie analysierten Daten aus NHANES III (National Health and Nutrition Examination Survey) mit Hunderttausenden Teilnehmern und testeten viele Biomarker auf ihren Zusammenhang mit Mortalität, chronischer Krankheit und Alterung.

Die hier genutzten 9 Blutwerte zeigten sich als besonders prädiktiv für:

systemische Entzündung,
Stoffwechselbelastung,
Immunstatus,
Zellalterung und
Organfunktion.

📊 2. Die 9 Blutwerte im Detail (mit Bedeutung & Richtung)

Blutwert	Funktion / Bedeutung	Einfluss auf PhenoAge	Jung = hoch oder niedrig?
Albumin (g/dL)	Leberfunktion, Entzündungsstatus, antioxidativ	negativ (–)	Höher = jünger
Kreatinin (mg/dL)	Nierenfunktion, Muskelsubstanz	positiv (+)	Niedriger = jünger
Glukose (mg/dL)	Stoffwechsel, Insulinsensitivität	positiv (+)	Niedriger = jünger
C-reaktives Protein (mg/L)	Entzündungsmarker	positiv (+)	Niedriger = jünger
Lymphozyten (%)	Immunsystem-Aktivität	negativ (–)	Höher = jünger
RDW (%) (Verteilungsbreite)	Zellalterung, mikronährstoffabhängig (Vit. B12, Eisen)	positiv (+)	Niedriger = jünger
MCV (fL)	Zellgröße, Erythrozytenform (auch Alkohol, Leber, B12)	positiv (+)	Niedriger = jünger
Alkalische Phosphatase (U/L)	Leber-/Knochenstoffwechsel, Alterungsenzyme	positiv (+)	Niedriger = jünger
Leukozytenzahl (10⁹/L)	Entzündungs- und Stressreaktionen	positiv (+)	Niedriger = jünger

Zusätzlich wird das chronologische Alter als Vergleichsmaßstab mit einberechnet – es hilft dabei, die PhenoAgeAccel (Beschleunigung/Verlangsamung des Alterns) zu berechnen.

3. Wie fließen die Werte in die Formel ein?

Die PhenoAge-Formel ist nicht linear. Sie besteht aus zwei Schritten:

Schritt 1: Risikoscore (Mortality Score)

Ein gewichteter Index wird berechnet:

xb=β0+β1⋅Albumin+β2⋅Kreatinin+β3⋅Glukose+…+β9⋅Alterxb = β₀ + β₁·Albumin + β₂·Kreatinin + β₃·Glukose + … + β₉·Alter

Jeder Wert hat einen zugeordneten Koeffizienten β, empirisch aus dem NHANES-Datensatz abgeleitet. Sie sind so gewählt, dass sie den stärksten Zusammenhang mit dem Sterberisiko innerhalb von 10 Jahren haben.

Beispiel (vereinfacht):

Albumin: –0.0336
Kreatinin: +0.0095
Glukose: +0.1953
CRP: +0.0954
RDW: +0.3306 (!)
…

Die Vorzeichen zeigen: ein Anstieg von z. B. RDW oder CRP erhöht den Score → biologisch älter.

Schritt 2: Umrechnung in PhenoAge

Der Risikoscore xb wird durch eine mathematische Transformation (ähnlich einer logarithmischen Lebenszeitanpassung) in ein biologisches Alter umgerechnet – also eine Zahl in Jahren:

PhenoAge=141.5+ln(–0.00553⋅MortalityScore)PhenoAge = 141.5 + ln(–0.00553 · Mortality Score)

Dabei gilt:

Je höher der Risikoscore, desto höher die PhenoAge
PhenoAgeAccel = PhenoAge – chronologisches Alter

4. Wie interpretiert man die Werte?

PhenoAge < Alter: Du bist biologisch jünger. Dein Körper funktioniert „jünger“ als dein tatsächliches Alter.
PhenoAge > Alter: Zeichen von beschleunigtem Altern, höherem Sterberisiko oder funktionellen Einschränkungen.

Beispiel: Zwei Marker mit starker Wirkung

1. RDW (Red Cell Distribution Width)

Einer der stärksten Prädiktoren für biologische Alterung.
Steigt oft bei Mikronährstoffmangel, Entzündung, oxidativem Stress.
Senkung durch Eisen, B-Vitamine, Bewegung → biologisch jünger.

2. CRP (C-reaktives Protein)

Marker für silent inflammation.
Senkung z. B. durch Omega-3, Fasten, Schlaf → Alter ↓.

Warum diese Marker?

Diese Marker bilden zusammen ein sehr robustes Modell für die systemische Alterung:

Sie spiegeln Entzündung, Zellstruktur, Immunfunktion, Organleistung und Stoffwechselregulation wider.
Jeder einzelne Marker steht in Verbindung mit der Morbidität und Mortalität bei älteren Menschen – auch ohne akute Krankheit.

Es folgt eine kommentierte Version der PhenoAge-Formel nach Morgan Levine et al. (2018), aufbereitet zur besseren Verständlichkeit – Schritt für Schritt mit Erläuterungen, wozu jeder Teil dient und wie die einzelnen Blutwerte wirken:

Grundstruktur: Zwei Rechenschritte

🔹 Schritt 1: Berechnung des linearen Risikoscores (`xb`)

xb = –19.907  
   + (0.0336 × Albumin in g/dL)  
   + (0.0095 × Kreatinin in mg/dL)  
   + (0.1953 × Glukose in mg/dL)  
   + (0.0954 × ln(CRP in mg/L))  
   – (0.0120 × Lymphozytenanteil in %)  
   + (0.0268 × mittleres Erythrozytenvolumen [MCV] in fL)  
   + (0.3306 × RDW in %)  
   + (0.00188 × alkalische Phosphatase in U/L)  
   + (0.0554 × Leukozytenzahl in 10⁹/L)  
   + (0.0804 × chronologisches Alter in Jahren)

📌 Kommentar zu jedem Term:

Komponente	Bedeutung	Wirkung	Interpretation
`–19.907`	Basiswert	konstanter Offset	Rechnet das Modell auf einen Basisrahmen zurück
`+ 0.0336 × Albumin`	Leberfunktion, Entzündung, Anti-Aging-Protein	+ bei höherem Albumin, aber β positiv → mehr xb	hier etwas kontraintuitiv – wegen Datenanpassung mathematisch nötig
`+ 0.0095 × Kreatinin`	Nierenfunktion & Muskelmasse	↑ xb bei hohem Kreatinin	zu hohe Werte = Belastung/Nierenschwäche
`+ 0.1953 × Glukose`	Blutzucker/Insulinresistenz	starker Treiber für xb	metabolisches Altern
`+ 0.0954 × ln(CRP)`	Entzündung	logarithmisch steigend	CRP hoch → stark negativ
`–` `0.0120 × Lymphozyten`	Immunleistung	hoher Wert → xb sinkt	mehr Lymphozyten = jünger
`+ 0.0268 × MCV`	Zellgröße (z. B. bei Alkohol/B12-Mangel)	steigt mit Alter	sehr sensitiv auf Fehlernährung
`+ 0.3306 × RDW`	Zellvielfalt, oxidativer Stress	starker Alterstreiber	hoher RDW = beschleunigtes Altern
`+ 0.00188 × alkal. Phosphatase`	Leber-/Knochenstoffwechsel	steigt mit Leberbelastung	niedrig = günstiger
`+ 0.0554 × Leukozyten`	Entzündung, Infektneigung	je mehr, desto älter	aktivierte Immunantwort
`+ 0.0804 × Alter`	Referenzmaß	dient zur Korrektur	erlaubt Ableitung der Beschleunigung (Accel)

Schritt 2: Umrechnung in biologisches Alter (PhenoAge)

Aus dem xb wird nun eine geschätzte Lebenserwartungskomponente (mortality score) berechnet, und daraus dann das biologische Alter in Jahren:

Mortality Score = 1 – exp(–1.51714 × exp(xb) / 0.0076927)

PhenoAge = 141.5 + ln(–0.00553 × ln(1 – Mortality Score)) / 0.090165

Zusammenfassung der Logik

Die Formel kombiniert 9 Blutwerte + Alter zu einem Sterblichkeitsrisiko.
Je höher der Risikowert, desto höher die PhenoAge.
Einige Werte wirken linear, andere logarithmisch (z. B. CRP → starke Wirkung bei kleinen Anstiegen).
Das Ergebnis ist ein Alter in Jahren – höher oder niedriger als dein tatsächliches Alter.

Beispiel: Wichtige Einflussfaktoren

Wert	Typische Richtung im Alter	Einfluss (β)	Praktisch relevant?
RDW	↑ mit Alter und Entzündung	0.33	ja, starker Hebel
Glukose	↑ mit Insulinresistenz	0.20	ja, modulierbar durch Ernährung
CRP	↑ bei Entzündung	logarithmisch	sehr relevant bei stiller Inflammation
Lymphozyten	↓ bei Immunschwäche	negativ	höherer Wert = jünger

Hier ist ein vollständig eingebetteter HTML- und JavaScript-Code, der den PhenoAge-Rechner auf deiner WordPress-Seite nutzbar macht. Er enthält:

alle nötigen Eingabefelder,
klare Angaben zu den Einheiten (mg/dL, %, etc.),
direkte Berechnung der PhenoAge (biologisches Alter) aus den 9 Blutwerten + chronologischem Alter,
und eine stilistisch schlichte Darstellung (anpassbar in WordPress per CSS).

PhenoAge-Calculator

🧬 PhenoAge-Rechner

Bitte trage deine Blutwerte und dein chronologisches Alter ein.
Achte auf die Einheiten!

Die PhenoAge-Formel von Levine et al. (2018) ist zwar ein klug konstruiertes, praxisnahes Modell zur Schätzung des biologischen Alters aus Standard-Blutwerten. Aber wie jedes Modell hat sie Stärken und Schwächen, die man verstehen sollte, bevor man sie therapeutisch oder diagnostisch nutzt.

Stärken der Formel

Praktisch anwendbar:
Sie nutzt ausschließlich gängige Laborparameter, die in der medizinischen Praxis bereits routinemäßig bestimmt werden.
Statistisch fundiert:
Sie basiert auf großen Datensätzen (NHANES) mit Zehntausenden Menschen und ist auf Mortalität kalibriert.
Multisystemische Abdeckung:
Sie berücksichtigt viele Systeme gleichzeitig:
- Leber (Albumin, Alk. Phosphatase),
- Niere (Kreatinin),
- Entzündung (CRP, Leukozyten),
- Blutzucker (Glukose),
- Zellgesundheit (MCV, RDW),
- Immunfunktion (Lymphozyten).
Einfache Implementierung:
Kein spezielles Labor, keine DNA-Methylierung, keine KI nötig – das macht sie gut für Verlaufsbeobachtung, Prävention und Coaching.

Schwächen und Einschränkungen

1. Trainiert auf Mortalität – nicht auf Lebensqualität

Das Modell sagt vor allem etwas über das Risiko früher Sterblichkeit, nicht über die subjektive Vitalität, kognitive Klarheit oder emotionale Resilienz.
Zwei Menschen mit gleichem PhenoAge können sich völlig unterschiedlich fühlen.

🧠 Was fehlt? Werte zu psychischer Gesundheit, Stresshormonen oder Hirnleistungsparametern.

2. Entzündungsmarker stark gewichtet (CRP, Leukozyten, RDW)

Das ist sinnvoll bei systemischem Altern – aber bei akuten Infekten oder stillen Entzündungen kann es das biologische Alter plötzlich nach oben schießen lassen, obwohl kein dauerhafter Schaden vorliegt.

🧠 Was fehlt? Eine Möglichkeit zur Differenzierung von temporären Schwankungen vs. chronischem Zustand (z. B. IL-6, TNF-alpha, GDF-15).

3. Nicht angepasst auf junge Menschen oder Hochleistungszustände

Bei sehr jungen oder sehr gesunden Menschen kann es vorkommen, dass der Score kaum unter das chronologische Alter fällt, weil der Zielbereich aus älteren Normaldaten stammt.

🧠 Was fehlt? Eine Version für die Optimierungsmedizin oder Hochleistungssport, die auch subklinische Zustände (z. B. mitochondriale Kapazität, HRV, Testosteron, etc.) einbezieht.

4. Kein direkter Bezug zur zellulären oder epigenetischen Alterung

Die PhenoAge korreliert zwar mit epigenetischen Uhren (z. B. Horvath Clock), ist aber nur indirekt biologisch – sie spiegelt nicht die DNA-Schädigung, Mitochondrienfunktion oder Telomerlänge.

🧠 Was fehlt? Ergänzungen durch molekulare Parameter:

Telomer-Länge,
NAD⁺/NADH-Verhältnis,
Mitochondrienfunktion,
Methylierungsmarker.

Was könnte man ergänzen oder verbessern?

Die PhenoAge-Formel ist ein starkes Tool für das Messen von Risiko und systemischem Altern, besonders im Vergleich zu rein chronologischen oder symptomorientierten Modellen. Doch sie ist kein ganzheitliches Bild des Alterns – es fehlt an funktionellen, psychischen und zellulären Parametern.

Ergänzung	Warum?
HRV (Herzratenvariabilität)	Echtzeitindikator für Stress, Vagus-Tonus, Lebensenergie
GDF-15, IL-6, TNF-alpha	Hochsensitive Alterungs- und Entzündungsmarker
VO₂max oder Ruhepuls	Aussagekräftiger als Glukose allein für Fitnessalter
Körperzusammensetzung (z. B. SMI)	Muskel-Fett-Verhältnis als funktionelle Reserve
Neurokognition (z. B. Reaktionszeit)	Frühindikator für zerebrales Altern
Hormonmarker (Testosteron, DHEA-S, Östradiol)	Für endokrines Alter besonders relevant
Subjektive Parameter (Mood, Fatigue)	Lebensqualität ≠ nur Biochemie

Vorschlag: Modulares Alters-/Risikoprofil statt Einzahlwert

Struktur: 1. Funktionsachsen statt Gesamtscore

Achse / Index	Erklärungsansatz	Mögliche Werte / Marker
🧬 Systemische Entzündung	„Silent Inflammation“ als Haupttreiber biologischer Alterung	CRP, IL-6, TNF-α, Leukozyten, NLR
🧠 Zellulärer Stress / Alterung	Mitochondrien, oxidativer Stress, Telomere	RDW, GDF-15, Glutathionstatus, 8-OHdG
🛡️ Immunsystem-Fitness	Resilienz gegen Infekt / Tumor	Lymphozyten, Immunglobuline, Th1/Th2-Balance, NK-Zellen
🫁 Organbelastung & Stoffwechsel	Funktionsreserve von Leber, Niere, Glukoseregulation	Albumin, Kreatinin, Glukose, HOMA-IR, Leberenzymprofile
⚡ Energie- und Hormonachse	zelluläre Antriebskraft, endokrine Alterung	DHEA-S, Testosteron, TSH, Cortisol, HbA1c
💪 Funktionelles Reservealter	Körperzusammensetzung, VO₂max, Muskelkraft	SMI, Ruhepuls, HRV, VO₂max, Handkraft
🧭 Kohärenz-/Regulationsachse	Herzratenvariabilität, Vagus-Tonus, Resilienz	HRV, Atemfrequenz, Reaktionszeit, VNS-Reaktivität

Struktur: 2. Risikocluster für Krankheiten (prädiktiv)

Krankheitsrisiko	Prädiktive Marker laut Studienlage
🧠 Neurodegeneration	Phospho-Tau, CRP, Homocystein, Glukose, B12
🧬 Krebsrisiko	IL-6, Neutrophil-Lymphozyten-Ratio (NLR), RDW, Fibrinogen, Ferritin
❤️ Kardiovaskulär	ApoB, hsCRP, RDW, Triglycerid/HDL-Ratio, LP(a), Glukose
🌿 Autoimmunität	ANA, TSH, IL-17, Lymphozyten-Shift
🧵 Stoffwechsel	Glukose, Insulin, HbA1c, Leptin/Adiponektin-Quotient, Ferritin

Struktur: 3. Frühwarnindikatoren für Regulationsverlust

Einige Werte verändern sich lange vor klinischer Diagnose, z. B.:

Frühwarnsignal	Bedeutung	Typisches Beispiel
↑ RDW	Zellalterung, Eisen-/B12-Störung	Krebs, Sarkopenie
↓ Albumin	Leber, Entzündung, schlechter Outcome	Multimorbidität
↑ GDF-15	Mitochondrienstress, Tumorrisiko	Krebs, Alterung
↑ CRP + ↓ Lympho	Entzündung & Immunschwäche	schlechte Prognose
↓ HRV	autonome Dysregulation	Burnout, Erschöpfung

Erweiterbare Konzepte eröffnen neue Möglichkeiten

Erweiterungsidee	Erklärung
🔄 Verlaufsmatrix	z. B. Veränderung von CRP, RDW, HRV über Wochen → Trendlinie statt Einzelwert
🌐 Vergleich mit Normdaten	z. B. individuell alterskorrigiert: „Sie liegen in den besten 20 % Ihrer Altersgruppe“
🎯 Interventionseffekte	z. B. Auswertung vor/nach Intervallfasten, Meditation, Kur
⚙️ „Ampelindikatoren“	einfache Visualisierung (grün = reguliert, gelb = fragil, rot = kritisch)

Fazit & nächster Schritt

Deine Idee geht weit über den klassischen PhenoAge hinaus und öffnet die Tür zu einem wirklich personalisierten, diagnostisch sinnvollen Alterungsprofil, das sowohl klinisch als auch präventivmedizinisch tragfähig wäre.

Es folgt ein Überblick zu großen prospektiven Langzeitstudien, die den PhenoAge (oder vergleichbare biologische Altersmaße) im Zusammenhang mit Sterblichkeit, Krebs und chronischen Krankheiten untersucht haben:

1. PhenoAgeAccel bei Krebsüberlebenden (USA, NHANES)

Design: Kohortenstudie mit Erwachsenen, mediane Nachbeobachtungszeit ~9,2 Jahre
Ergebnisse:
- PhenoAgeAccel erhöhte das Risiko für Gesamtsterblichkeit, krebsbezogene und nicht-krebsbedingte Sterblichkeit (HR ≈ 2,07 bzw. 2,15/2,06)
- Pro +1 Einheit PhenoAgeAccel steigt das Sterberisiko um ca. 4 % (eLife, PMC)

Stärke: große, repräsentative Kohorte, klare prospektive Ausrichtung
Limitation: Fokus auf Krebsüberlebende, keine detailierte Krankheitstyp-Analyse

2. PhenoAge & Krebsinzidenz (UK Biobank, NHANES)

Langzeitkohorte UK Biobank (~500.000 Teilnehmer):
- PhenoAgeAccel korreliert signifikant mit Lungenkrebs – auch nach Adjustierung für Alter und Rauchen (Nature)
eLife-Studie:
- Personen mit höherem PhenoAgeAccel hatten ca. 25 % erhöhtes Krebsrisiko (PMC)

3. PhenoAge bei Herz-Kreislauf-Erkrankungen

Studie bei Patienten mit komplexen Koronarerkrankungen:
- PhenoAge korrelierte mit Sterblichkeit (HR ≈ 1,51 pro 10 Jahre), selbst nach Adjustierung (Wiley Online Library)

4. Allgemeine Sterblichkeitsstudien (NHANES, HRS)

PhenoAgeAccel sagt sowohl Krebs-, Herz-Kreislauf- als auch Gesamtmortalität in bevölkerungsbasierten Kohorten vorher (Nature)

Warum diese Studien wichtig sind

Prospektive Validierung: PhenoAge wurde nicht nur retrospektiv, sondern über Jahre hinweg untersucht.
Breite Anwendbarkeit: Nutzen in Allgemeinbevölkerung, Überlebenden und spezifischen Risikogruppen.
Robuste Risikoschätzung: Auch nach Berücksichtigung etablierter Risikofaktoren signifikant.

Grenzen und offene Fragen

Problem	Erklärung
Kausalität unklar	Beschleunigtes Altern könnte Ursache oder Folge von Krankheiten sein.
Selbstbericht/Baseline-Fokus	Viele Studien messen nur einmal am Anfang – Änderungen im Verlauf bleiben unberücksichtigt.
Populationseffekte	UK Biobank & NHANES decken breit ab, doch spezielle Subgruppen fehlen teilweise.
Fehlende detaillierte Krankheitstypisierung	Studien nennen meist nur „Krebs“ oder „Herz-Kreislauf“, ohne molekulare Subtypen zu unterscheiden.

Was bleibt?

PhenoAge und speziell PhenoAgeAccel sind gut validierte biomarkerbasierte Prädiktoren für verschiedene Krankheiten und Sterblichkeitsrisiken.
Sie sind wissenschaftlich untermauert durch große, prospektive Kohorten wie NHANES und UK Biobank und spezifische Patienten-Kohorten.
Ausbaupotenzial: dynamische Verlaufsdaten, molekulare Endpunkte, spezifischere Krankheitsrisiken (z. B. Krebsarten, neurodegenerative Erkrankungen) sollten ausgebaut werden.