Des chercheurs du King’s College de Londres ont découvert que les horloges de vieillissement basées sur l’IA et utilisant les données des métabolites sanguins peuvent prédire la santé et la durée de vie, le vieillissement accéléré étant lié à des risques plus élevés pour la santé. Non linéaire apprentissage automatique les algorithmes, en particulier la régression cubiste, étaient les plus efficaces.
Des chercheurs de l’Institut de psychiatrie, psychologie et neurosciences (IoPPN) du King’s College de Londres ont mené une étude détaillée pour évaluer les horloges de vieillissement basées sur l’intelligence artificielle, qui estiment la santé et la durée de vie en analysant les données sanguines.
L’étude impliquait la formation et le test de 17 algorithmes d’apprentissage automatique à l’aide de données sur les marqueurs sanguins de plus de 225 000 participants de la biobanque britannique, âgés de 40 à 69 ans au moment du recrutement. Les chercheurs ont évalué avec quelle précision ces horloges métabolomiques du vieillissement prédisent la durée de vie et dans quelle mesure elles sont en corrélation avec diverses mesures de la santé et du vieillissement.
L’âge métabolomique, appelé « MileAge », reflète l’âge biologique interne d’une personne en fonction des métabolites sanguins : de petites molécules générées au cours du métabolisme, telles que celles produites lorsque les aliments sont convertis en énergie. La différence entre l’âge prévu par le métabolite (MileAge) d’une personne et son âge chronologique réel, appelé MileAge delta, indique si son vieillissement biologique est accéléré ou ralenti.
Aperçus de l’étude et principales conclusions
L’étude a été publiée dans Avancées scientifiques et est le premier à comparer de manière exhaustive différents algorithmes d’apprentissage automatique sur leur capacité à développer des horloges biologiques du vieillissement à l’aide de données métabolites, en exploitant l’un des plus grands ensembles de données au monde. Il a été financé par le Maudsley Biomedical Research Center (BRC) du National Institute for Health and Care Research (NIHR) et a utilisé les données de la biobanque britannique.
Les personnes présentant un vieillissement accéléré (c’est-à-dire dont l’âge prédit par les métabolites était supérieur à leur âge chronologique) étaient, en moyenne, plus fragiles, plus susceptibles de souffrir d’une maladie chronique, évaluaient leur état de santé et présentaient un risque de mortalité plus élevé. Ils avaient également des télomères plus courts (« coiffes » à l’extrémité des chromosomes), qui sont un marqueur du vieillissement cellulaire et liés à des maladies liées à l’âge telles que l’athérosclérose. Cependant, le vieillissement biologique ralenti (avec un âge prévu par les métabolites inférieur à l’âge chronologique) n’était que faiblement lié à une bonne santé.
Les horloges vieillissantes pourraient aider à détecter les premiers signes d’un déclin de la santé, permettant ainsi des stratégies et des interventions préventives avant l’apparition de la maladie. Ils peuvent également permettre aux gens de suivre de manière proactive leur état de santé, de faire de meilleurs choix de vie et de prendre des mesures pour rester en bonne santé plus longtemps.
Points de vue d’experts sur les horloges vieillissantes
Le Dr Julian Mutz, chercheur du King’s Prize à l’IoPPN et auteur principal de l’étude, a déclaré : « Les horloges métaboliques du vieillissement ont le potentiel de fournir des informations sur les personnes susceptibles de courir le plus grand risque de développer des problèmes de santé plus tard dans la vie. Contrairement à l’âge chronologique, qui ne peut être modifié, notre âge biologique est potentiellement modifiable. Ces horloges fournissent une mesure indirecte de l’âge biologique pour la recherche biomédicale et en santé, ce qui pourrait contribuer à façonner les choix de mode de vie des individus et à éclairer les stratégies préventives mises en œuvre par les services de santé. Notre étude a évalué un large éventail d’approches d’apprentissage automatique pour développer des horloges vieillissantes, montrant que les algorithmes non linéaires sont plus efficaces pour capturer les signaux vieillissants.
Le professeur Cathryn Lewis, professeur d’épidémiologie et de statistiques génétiques, co-responsable du thème Essais, génomique et prédiction au NIHR Maudsley BRC, et auteur principal de l’étude, a déclaré : « Il existe un intérêt considérable pour le développement d’horloges de vieillissement qui évaluent avec précision notre âge biologique. De puissantes analyses de Big Data peuvent jouer un rôle essentiel dans l’avancement de ces outils. Cette étude constitue une étape importante dans l’établissement du potentiel des horloges biologiques du vieillissement et de leur capacité à éclairer les choix en matière de santé.
Les chercheurs ont découvert qu’une horloge métabolomique développée à l’aide d’un algorithme d’apprentissage automatique spécifique, appelé régression basée sur des règles cubistes, était la plus fortement associée à la plupart des marqueurs de santé et de vieillissement. Ils ont également constaté que les algorithmes capables de modéliser des relations non linéaires entre les métabolites et l’âge étaient généralement plus efficaces pour capturer des signaux biologiques informatifs sur la santé et la durée de vie.
Référence : « L’âge métabolomique (MileAge) prédit la santé et la durée de vie : une comparaison de plusieurs algorithmes d’apprentissage automatique » par Julian Mutz, Raquel Iniesta et Cathryn M. Lewis, 18 décembre 2024, Avancées scientifiques.
DOI : 10.1126/sciadv.adp3743
L’étude a été financée par l’Institut national de recherche en santé.
