Le processus de vieillissement ne se déroule pas à la même vitesse pour tout le monde. Il varie considérablement d’une personne à l’autre, et il est également le principal facteur de risque dans de nombreuses maladies chroniques. Des chercheurs ont utilisé l’intelligence artificielle pour distinguer l’âge physiologique de l’âge chronologique. Cette approche, permet une meilleure compréhension, prédiction et prise en charge personnalisée des individus et des patients. Voici donc comme l’IA prédit le vieillissement !
Comprendre les mécanismes qui conduisent à un vieillissement biologique variable chez des individus du même âge chronologique est l’objectif d’un nouveau domaine scientifique appelé gérosciences. Pour mieux évaluer ce vieillissement biologique et ses différences, une équipe de scientifiques internationaux, dirigée par Louis Casteilla et Paul Monsarrat, professeurs à l’université Toulouse III – Paul Sabatier, spécialisés en physiologie animale et odontologie, et travaillant au sein de l’institut Restore (CNRS/ENVT/Inserm/UT3) ont adopté une approche basée sur l’apprentissage machine, c’est-à-dire l’intelligence artificielle, en lui fournissant une grande quantité de données issues de la biologie médicale.
Jusqu’à présent, les méthodes biostatistiques utilisées se reposaient souvent sur un choix limité et prédéfini de variables pour estimer le vieillissement biologique. Cependant, elles avaient du mal à prendre en compte la complexité des relations entre ces paramètres.
L’IA révolutionnaire prédit le processus de vieillissement : avancée scientifique majeure
L’utilisation de l’intelligence artificielle dans le domaine biomédical n’est pas nouvelle. Cependant, des questions de transparence se posent concernant les résultats produits, ce qui peut susciter des préoccupations lors de son utilisation par les professionnels de la santé.
Comprendre et prédire le vieillissement biologique grâce à l’intelligence artificielle
Pour éviter ces problèmes et proposer une méthode fiable, l’équipe dirigée par Louis Casteilla a développé une approche méthodologique novatrice pour déterminer un âge physiologique personnalisé en utilisant l’intelligence artificielle de manière différente. Celle-ci est désormais plus « transparente » : elle évalue l’importance des paramètres utilisés dans le résultat obtenu à l’échelle individuelle, un élément crucial pour sa future utilisation clinique.
Prévention des maladies chroniques : l’IA au service du bien-être
Cette intelligence artificielle, appelée PPA (Personalized Physiological Age), a été créée à partir d’une vaste base de données de la population américaine, en utilisant 26 variables biologiques simples (telles que l’hémoglobine glyquée, la glycémie, l’urémie…) qui peuvent être mesurées dans n’importe quel laboratoire d’analyses médicales. Elle permet de prédire les maladies chroniques et la mortalité indépendamment de l’âge chronologique.
« Ce travail n’a pu se faire que grâce à un effort collectif intense et soutenu d’une équipe pluridisciplinaire qui incluait des biologistes, des cliniciens, des informaticiens et des épidémiologistes. »
Louis Casteilla
Cette méthode, qui a été soumise à un dépôt de brevet, ouvre la voie à un suivi clinique futur spécifique et personnalisé pour un vieillissement en bonne santé et pour la prise en charge de toutes les maladies liées à l’âge.
Vers un suivi clinique spécifique et personnalisé du vieillissement
Grâce au « PPA, » les professionnels de santé pourront détecter précocement les déviations de leurs patients par rapport à leur trajectoire de vieillissement « normale » et ainsi mettre en place des stratégies pour prévenir l’apparition de maladies chroniques ou en atténuer la gravité.
L’IA ouvre de nouvelles perspectives pour un vieillissement en bonne santé
« Nous croyons que ce type d’approche est particulièrement pertinent pour analyser la complexité des facteurs de risque en médecine sans compromettre l’aspect humain de la relation entre le patient et le soignant« , ajoutent les auteurs.
Cette étude a été publiée le 10 juin dans la revue Aging Cell
