PhenoAge vs KDM: perché i calcolatori dell'età biologica non coincidono

Inserisci la stessa età e gli stessi risultati di laboratorio in due calcolatori dell’età biologica. PhenoAge indica 49 anni. KDM ne indica 43. La tua età cronologica è 46 anni.

Quale numero è corretto?

La risposta più utile è: i calcolatori rispondono a domande statistiche diverse. PhenoAge e il metodo Klemera–Doubal (KDM) possono usare biomarcatori ematici in parte sovrapposti, ma non sono stati progettati per produrre risultati identici. Una differenza tra i due non è quindi automaticamente un errore.

Questa guida spiega perché PhenoAge e KDM non coincidono, che cosa rappresenta davvero ciascun risultato e come sceglierne uno per un monitoraggio coerente. Se ti servono prima formule, elenco dei biomarcatori e interpretazione di base, parti dalla nostra guida completa a PhenoAge e KDM con gli esami del sangue.

Risposta rapida: PhenoAge è calibrato sul rischio di mortalità e lo esprime come equivalente d’età. KDM è calibrato soprattutto sul modo in cui i biomarcatori variano con l’età cronologica in una popolazione di riferimento. Obiettivi, pannelli, coefficienti e campioni di riferimento diversi possono generare età biologiche diverse a partire dalla stessa persona.

Risposta rapida: PhenoAge e KDM rispondono a domande diverse

PhenoAge stima un’età equivalente al rischio di mortalità. KDM stima l’età che meglio si adatta a un profilo multivariato di biomarcatori. Poiché obiettivi e implementazioni sono diversi, gli stessi esami possono produrre legittimamente due età differenti. Il confronto corretto è quello di ciascun punteggio con lo stesso modello nel tempo, non PhenoAge contro KDM come se misurassero una sola quantità fissa.

Fatti chiave

• PhenoAge e KDM non misurano lo stesso costrutto. PhenoAge è orientato alla mortalità; KDM stima l’età fisiologica multivariata.
• “KDM” è un metodo, non un unico calcolatore universale. Il suo risultato dipende dai biomarcatori e dalla popolazione di riferimento usati per addestrarlo.
• PhenoAge è più standardizzato. La versione clinica più usata ha nove biomarcatori più l’età cronologica e coefficienti pubblicati fissi.
• Un risultato dovrebbe identificare la sua implementazione esatta. L’etichetta “età KDM” è incompleta senza pannello, unità, popolazione di addestramento e formula.
• Non fare la media delle due età. Scegli il modello adatto alla tua domanda e confronta i risultati futuri soltanto con la stessa implementazione.
• Nessuno dei due punteggi è una diagnosi. Valori di laboratorio anomali e rischio clinico vanno valutati con un professionista sanitario qualificato.

Il confronto in una tabella

Caratteristica	PhenoAge	Età biologica KDM
Obiettivo principale di addestramento	Rischio di mortalità	Andamento dell’età cronologica tra più biomarcatori
Input tipici	9 biomarcatori ematici + età cronologica	Un insieme configurabile di biomarcatori clinici o funzionali; l’età cronologica può entrare anche nella stima
Significato dell’output	L’età nella popolazione di riferimento associata a un rischio di mortalità stimato simile	L’età che meglio si adatta al profilo multivariato della persona in quel modello
Standardizzazione	Formula clinica pubblicata e comune	Molte implementazioni valide
Punto di forza	Riferimento fisso e orientato al rischio	Integrazione flessibile di più sistemi fisiologici
Limite principale	La formula lineare fissa può reagire molto ad alcuni marcatori e non coglie ogni relazione clinica non lineare	Il risultato dipende fortemente da scelta del pannello e calibrazione della popolazione
Regola per il monitoraggio	Stessa formula, unità, condizioni di laboratorio e definizioni dei biomarcatori	Stesso modello addestrato, pannello, unità, popolazione di riferimento e condizioni di test

Entrambi gli approcci sono modelli di popolazione. Nessuno misura direttamente il numero di anni di esistenza dei tuoi tessuti e nessuno dimostra che un intervento abbia modificato il tasso fondamentale dell’invecchiamento.

Che cosa è progettato per stimare PhenoAge

L’età fenotipica clinica è stata sviluppata con dati statunitensi del National Health and Nutrition Examination Survey. I ricercatori hanno esaminato decine di marcatori clinici di routine e hanno usato un modello di sopravvivenza penalizzato per selezionare età cronologica e nove biomarcatori che predicevano la mortalità.

Gli input sono:

1. albumina;
2. creatinina;
3. glucosio;
4. proteina C-reattiva;
5. percentuale di linfociti;
6. volume corpuscolare medio;
7. ampiezza di distribuzione dei globuli rossi;
8. fosfatasi alcalina;
9. conta dei globuli bianchi;
10. età cronologica.

Il modello stima prima il rischio di mortalità, quindi lo converte nell’età alla quale una persona media della popolazione di riferimento avrebbe un rischio comparabile. È questa seconda conversione a far apparire il risultato come una normale età in anni.

Un PhenoAge di 52 anni non significa che ogni organo abbia biologicamente 52 anni. Significa che il modello ha assegnato un profilo di rischio di mortalità comparabile al valore di riferimento per quell’età. Il valore collegato, l’accelerazione di PhenoAge, chiede invece se il risultato sia più alto o più basso del previsto dopo aver considerato l’età cronologica.

Nella validazione pubblicata, l’età fenotipica ha predetto morbilità e mortalità in più sottogruppi demografici e di salute. Per questo è utile come sintesi compatta orientata al rischio. Non trasforma però il punteggio in una diagnosi clinica né in una previsione individuale garantita.

Che cosa è progettato per stimare KDM

KDM segue una strada diversa. Esamina come ciascun biomarcatore selezionato cambia con l’età in un campione di riferimento, quanta variabilità non spiegata rimane e come i marcatori si relazionano tra loro. Poi individua l’età biologica che riconcilia meglio l’intero profilo di biomarcatori della persona.

In parole semplici, KDM chiede:

A quale età questa combinazione di misure fisiologiche sarebbe più plausibile secondo questo modello di riferimento?

I marcatori che seguono l’età in modo più forte e preciso possono fornire più informazione. Quelli con una relazione debole con l’età o con elevato rumore residuo in genere contribuiscono meno. Il metodo considera anche il fatto che una stima dell’età biologica abbia essa stessa incertezza.

È un quadro potente, ma comporta una conseguenza importante: non esiste un unico valore KDM universale.

Uno studio può costruire KDM con albumina, creatinina, glucosio, pressione arteriosa, funzionalità polmonare e forza di presa. Un altro può usare un pannello di laboratorio diverso. Un modello può essere specifico per sesso, un altro può raggruppare i sessi. Uno può essere addestrato su NHANES, un altro su UK Biobank o su una coorte nazionale. Tutti possono essere descritti come KDM, ma non devono per forza restituire lo stesso risultato.

Perché gli stessi esami producono età diverse

1. I modelli ottimizzano obiettivi diversi

PhenoAge ha selezionato e ponderato le variabili per la capacità di predire la mortalità. KDM tradizionalmente pondera le variabili in base alla relazione con l’età cronologica e alla loro variabilità residua.

Questa distinzione conta. Un biomarcatore può essere fortemente collegato alla mortalità senza cambiare in modo lineare con l’età. Un altro può seguire bene l’età cronologica ma aggiungere meno informazione indipendente sul rischio a breve termine. Gli algoritmi premiano proprietà diverse e assegnano quindi pesi diversi.

2. I pannelli di biomarcatori possono sovrapporsi solo in parte

La formula clinica standard di PhenoAge è fissa: nove biomarcatori più l’età. KDM è configurabile. Anche quando un calcolatore online chiede un sottoinsieme familiare, può omettere, aggiungere o trasformare variabili rispetto a un’altra implementazione KDM.

Un risultato fondato su 10 marcatori di laboratorio non è direttamente intercambiabile con un KDM costruito su 18 misure di laboratorio e di funzionalità d’organo. La composizione del pannello cambia il significato di “più vecchio” e “più giovane” all’interno del modello.

3. L’età cronologica entra in modo diverso

L’età cronologica è inclusa esplicitamente nel modello di mortalità di PhenoAge. In KDM può agire come ulteriore fonte d’informazione nella formula di stima, a seconda dell’implementazione.

Questo tende a richiamare entrambi gli output verso schemi di popolazione legati all’età, ma non con la stessa forza o logica. Due persone con identici biomarcatori ma età cronologiche diverse non devono quindi ricevere lo stesso risultato di accelerazione.

4. KDM dipende dalla popolazione di riferimento

I coefficienti KDM sono stimati da un dataset. Cambiando intervallo d’età, profilo di salute, distribuzione per sesso, origine etnica, paese, metodi di laboratorio o periodo storico, possono cambiare anche le relazioni tra biomarcatori ed età.

Non è una semplice nota tecnica. Un modello addestrato in adulti relativamente sani tra 40 e 70 anni può comportarsi diversamente a 25 o 85 anni. Applicare un modello molto oltre l’intervallo di addestramento è estrapolazione: anni apparentemente precisi possono diventare fuorvianti.

Anche PhenoAge riflette la popolazione statunitense NHANES di sviluppo, ma la sua implementazione clinica più diffusa in genere conserva i coefficienti pubblicati. I calcolatori KDM hanno maggiori probabilità di incorporare calibrazioni diverse pur condividendo la stessa etichetta.

5. Unità e trasformazioni possono cambiare il punteggio

PhenoAge richiede unità esatte. La proteina C-reattiva è una fonte classica di errori perché la formula pubblicata usa un valore trasformato e un calcolatore può richiedere mg/L mentre il referto riporta mg/dL. Anche creatinina, glucosio, conta dei globuli bianchi e fosfatasi alcalina richiedono attenzione alle unità.

Le implementazioni KDM possono standardizzare, applicare trasformazioni logaritmiche, winsorizzare o preelaborare gli input secondo la propria pipeline di addestramento. Se un calcolatore non documenta questi passaggi, non puoi riprodurne né confrontarne in modo affidabile il risultato.

Prima di interpretare un valore sorprendente, esegui l’audit di unità e input nella guida a PhenoAge che cambia e rumore di laboratorio.

6. Un singolo marcatore insolito può pesare di più in un modello

Immagina una persona con glucosio, albumina, indicatori renali ed emocromo ottimali, ma proteina C-reattiva temporaneamente alta dopo un’infezione.

PhenoAge può cambiare in modo evidente perché la sua equazione fissa orientata alla mortalità attribuisce alla CRP un contributo definito. Un modello KDM con molte misure aggiuntive può attenuare quel singolo segnale, oppure reagire molto se la CRP ha un gradiente affidabile con l’età nella sua popolazione di riferimento. La risposta dipende dalla versione specifica di KDM.

Ora immagina forza di presa e funzionalità polmonare costantemente più basse con chimica del sangue per il resto favorevole. Un KDM ricco di misure funzionali può rilevare questo schema, mentre il PhenoAge clinico standard non può farlo perché quelle misure non sono input.

Nessun output deve essere necessariamente “sbagliato”. Ciascuno vede soltanto le variabili per cui è stato costruito.

Tre schemi di discordanza e che cosa possono suggerire

Schema	Spiegazione plausibile	Migliore verifica successiva
PhenoAge più alto, KDM vicino all’età cronologica	Uno o più marcatori PhenoAge orientati alla mortalità sono sfavorevoli, ma il profilo KDM più ampio resta tipico per età	Esamina contributori individuali di PhenoAge, unità, infiammazione e malattia recente
KDM più alto, PhenoAge vicino all’età cronologica	Il pannello KDM include misure funzionali o cliniche sensibili all’età assenti da PhenoAge	Identifica il pannello KDM esatto e i marcatori che guidano il risultato
Entrambi più alti o entrambi più bassi	Più segnali fisiologici possono essere allineati tra modelli	Conferma condizioni standardizzate e persistenza al test ripetuto

Queste sono ipotesi di interpretazione, non diagnosi. L’età aggregata di un calcolatore non dovrebbe mai sostituire l’interpretazione clinica di glucosio, funzione renale, infiammazione, emocromo, pressione arteriosa o qualsiasi altro input.

Per un quadro più ampio che comprende punteggi ematici, di metilazione e da indossabili, leggi perché i test dell’età biologica non coincidono.

Quale calcolatore dovresti usare?

Scegli in base alla decisione che vuoi supportare.

Usa PhenoAge se vuoi un riferimento riproducibile orientato alla mortalità

PhenoAge è la scelta più lineare quando hai tutti i valori di laboratorio richiesti e vuoi confrontare il risultato con una formula fissa ampiamente pubblicata. È relativamente semplice da riprodurre, verificare e ricalcolare.

È particolarmente utile quando:

• sono disponibili tutti e nove i marcatori richiesti nelle unità corrette;
• vuoi continuità con la letteratura clinica pubblicata sull’età fenotipica;
• puoi ripetere lo stesso pannello in condizioni simili;
• comprendi che l’età è una sintesi di rischio equivalente, non una letterale età dei tessuti.

Usa KDM se vuoi un modello più ampio di età fisiologica

KDM può essere più adatto quando un’implementazione ben documentata combina più sistemi rilevanti ed è calibrata per una popolazione simile alla tua.

È particolarmente utile quando:

• pannello esatto di biomarcatori e coefficienti o software sono dichiarati;
• popolazione di riferimento e intervallo d’età valido sono documentati;
• lo stesso modello addestrato resterà disponibile per le misurazioni future;
• ti interessa la deviazione fisiologica multivariata più di un singolo punteggio fisso orientato alla mortalità.

Non scegliere il risultato più giovane

Cercare il calcolatore più favorevole crea una falsa sensazione di precisione. Se provi abbastanza formule, una finirà per darti un numero lusinghiero. Questo non la rende più valida per la tua domanda.

Documenta invece il modello prima di guardare l’esito. Poi mantieni fisso il metodo.

Audit del calcolatore in cinque punti

Prima di fidarti di un risultato PhenoAge o KDM, verifica:

1. Identità: il calcolatore indica il metodo esatto e l’articolo sorgente?
2. Input: elenca ogni biomarcatore richiesto e l’unità accettata?
3. Implementazione: per KDM, dichiara pannello, coefficienti o software, popolazione di addestramento e intervallo d’età valido?
4. Riproducibilità: puoi inserire gli stessi valori due volte e esportare o registrare il risultato?
5. Interpretazione: descrive l’incertezza ed evita affermazioni diagnostiche o trattamenti anti-età?

Se uno strumento non supera i controlli di identità o implementazione, considera il risultato un punteggio opaco di un’app, non una stima PhenoAge o KDM di livello scientifico.

Come confrontare i risultati nel tempo

La domanda longitudinale più sicura non è “Qual è la mia vera età biologica?”. È:

Lo stesso modello si è mosso in modo coerente in condizioni di misurazione comparabili?

Usa questo protocollo:

• mantieni invariati versione del calcolatore e formula;
• usa, quando pratico, lo stesso laboratorio;
• abbina stato di digiuno e ora del giorno;
• evita il test durante una malattia acuta o subito dopo esercizio insolitamente intenso;
• annota cambiamenti di farmaci e integratori;
• salva i valori di laboratorio grezzi, non solo l’età finale;
• ripeti un risultato inatteso prima di cambiare piano;
• esamina quali input si sono mossi e se il cambiamento è clinicamente significativo.

Le piccole differenze vanno interpretate alla luce dell’errore di misurazione e dell’incertezza del modello. Un calcolatore che mostra un decimale non è necessariamente accurato a un decimo di anno. La guida agli intervalli di confidenza dell’età biologica spiega perché la precisione sullo schermo può superare la certezza del modello.

Non fare la media tra PhenoAge e KDM. La media di due costrutti definiti in modo diverso non ha un significato clinico stabilito e rende più difficile capire le variazioni future.

Come SuperAge tratta PhenoAge e KDM

SuperAge è progettata per mantenere il punteggio finale collegato alle sue evidenze. Invece di presentare un numero di età biologica come un verdetto, aiuta a organizzare sul tuo iPhone marcatori ematici sottostanti, tendenze e contesto del calcolo.

Questa distinzione è cruciale quando PhenoAge e KDM divergono. L’informazione utile spesso non è la differenza tra “49” e “43”, ma:

• quali biomarcatori hanno guidato ciascuna stima;
• se il calcolo ha usato le unità corrette;
• se l’ultima volta è stato usato lo stesso metodo;
• se il cambiamento è distribuito tra più sistemi;
• se un evento acuto può spiegare lo spostamento.

Per una decisione metodologica più ampia, confronta orologi epigenetici ed età da biomarcatori del sangue. Qualunque metodo tu scelga, mantieni le decisioni mediche ancorate a misure cliniche validate e alla cura professionale.

Domande frequenti

Perché il mio PhenoAge è diverso dalla mia età biologica KDM?

Usano obiettivi matematici diversi e possono usare biomarcatori diversi. PhenoAge converte il rischio di mortalità stimato in un equivalente d’età. KDM stima l’età che meglio si adatta a un profilo multivariato di biomarcatori in una particolare popolazione di riferimento.

PhenoAge è più accurato di KDM?

Non esiste un vincitore universale per ogni scopo. Le prestazioni dipendono da esito, coorte, implementazione e biomarcatori disponibili. La ricerca comparativa mostra che entrambi possono predire esiti sanitari importanti. Scegli il modello il cui obiettivo e la cui validazione rispondono alla tua domanda.

Tutti i calcolatori KDM danno lo stesso risultato?

No. KDM è un metodo di modellazione che può essere adattato con biomarcatori e popolazioni diversi. Due calcolatori KDM possono essere entrambi legittimi e produrre però età diverse. Uno strumento affidabile dovrebbe documentare il proprio modello.

Posso confrontare PhenoAge con l’accelerazione KDM?

Puoi osservare se entrambi indicano in generale un valore più alto o più basso del previsto, ma i loro valori in anni non sono direttamente intercambiabili. Per il monitoraggio longitudinale, confronta PhenoAge con la stessa formula PhenoAge e KDM con la stessa implementazione KDM.

Dovrei fare la media tra PhenoAge e KDM?

No. Fare la media di punteggi addestrati in modo diverso non crea un’età biologica “più vera” validata. Può anche nascondere il biomarcatore o il modello responsabile della discordanza.

Quale risultato dovrei discutere con il medico?

Discuti i valori di laboratorio o funzionali sottostanti, in particolare quelli fuori dall’intervallo clinico di riferimento o che cambiano in modo persistente. Il risultato aggregato dell’età biologica può offrire contesto, ma non è una diagnosi né un obiettivo terapeutico.

In sintesi

PhenoAge e KDM non coincidono perché definiscono l’età biologica in modo diverso.

PhenoAge chiede quale età cronologica corrisponda a un rischio di mortalità modellato simile. KDM chiede quale età spieghi meglio un profilo fisiologico multivariato nella sua popolazione di riferimento. Una volta compreso questo, la differenza non sembra più un calcolatore difettoso: mostra ciò che ciascun modello mette in evidenza.

Scegli un’implementazione per uno scopo definito. Conserva gli input grezzi. Standardizza i test ripetuti. Indaga i biomarcatori dietro a un cambiamento. E non lasciare mai che una singola età calcolata prevalga su una solida interpretazione clinica.

Tieni traccia delle evidenze dietro l’età

Vuoi tenere insieme marcatori ematici, contesto dell’età biologica e tendenze nel tempo? Scarica SuperAge e conserva gli input dietro a ogni risultato, non soltanto il numero in evidenza.

Riferimenti

1. Levine ME, Lu AT, Quach A, et al. An epigenetic biomarker of aging for lifespan and healthspan. Aging. 2018;10(4):573–591.
2. Liu Z, Kuo PL, Horvath S, Crimmins E, Ferrucci L, Levine M. A new aging measure captures morbidity and mortality risk across diverse subpopulations from NHANES IV. PLOS Medicine. 2018;15(12):e1002718.
3. Klemera P, Doubal S. A new approach to the concept and computation of biological age. Mechanisms of Ageing and Development. 2006;127(3):240–248.
4. Levine ME. Modeling the rate of senescence: can estimated biological age predict mortality more accurately than chronological age?. The Journals of Gerontology: Series A. 2013;68(6):667–674.
5. Kwon D, Belsky DW. A toolkit for quantification of biological age from blood chemistry and organ function test data: BioAge. GeroScience. 2021;43(6):2795–2808.
6. Parker DC, Bartlett BN, Cohen HJ, et al. Association of blood chemistry quantifications of biological aging with disability and mortality in older adults. The Journals of Gerontology: Series A. 2020;75(9):1671–1679.
7. Liu Z, Kuo PL, Horvath S, et al. No winners or losers: clinical chemistry-based biological aging metrics perform similarly across cohorts and health outcomes. The Journals of Gerontology: Series A. 2025;80(11):glaf179.

Questo articolo ha finalità esclusivamente educative e non fornisce consulenza medica, diagnosi o trattamento.