L'IA crée des horloges de vieillissement multi-organes à partir d'IRM pour prédire les maladies et la mortalité
Des chercheurs ont développé 7 horloges de vieillissement spécifiques aux organes à partir de données IRM, révélant les signatures moléculaires du vieillissement dans le cerveau, le cœur, le foie et d'autres organes.
Résumé
Des scientifiques ont développé sept horloges biologiques du vieillissement spécifiques à chaque organe, à partir d'IRM réalisées sur plus de 313 000 personnes. Ces horloges alimentées par l'IA mesurent la vitesse à laquelle différents organes vieillissent par rapport à l'âge chronologique, révélant des signatures moléculaires propres au vieillissement du cerveau, du cœur, du foie, du tissu adipeux, de la rate, du rein et du pancréas. Ces horloges ont permis de prédire avec succès le risque de maladies, la mortalité et le déclin cognitif, certains organes présentant des signaux de vieillissement plus prononcés que d'autres. Cette approche multi-organes offre une vision globale du vieillissement biologique qui va au-delà des évaluations traditionnelles portant sur un seul organe.
Résumé détaillé
Cette étude pionnière représente la première extension systématique des horloges de vieillissement par IRM au-delà du cerveau pour inclure six organes supplémentaires, créant ainsi un cadre complet d'évaluation du vieillissement multi-organes. À partir des données de 313 645 individus issus de plusieurs cohortes, les chercheurs ont développé des écarts d'âge biologique basés sur l'IRM (MRIBAGs) alimentés par l'IA pour sept organes : le cerveau, le cœur, le foie, le tissu adipeux, la rate, le rein et le pancréas.
L'équipe de recherche a utilisé des algorithmes d'apprentissage automatique pour analyser les caractéristiques IRM spécifiques à chaque organe et prédire l'âge biologique par rapport à l'âge chronologique. Les performances ont varié significativement selon les organes, les horloges de vieillissement cérébral affichant le pouvoir prédictif le plus élevé (corrélation r=0,77), tandis que les organes abdominaux comme la rate présentaient des performances plus faibles (r=0,23), en partie en raison du nombre limité de caractéristiques d'imagerie et de difficultés techniques.
Grâce à un profilage moléculaire complet, l'étude a associé ces horloges de vieillissement à 2 923 protéines plasmatiques et 327 métabolites, révélant des signatures de vieillissement propres à chaque organe. Par exemple, le vieillissement rénal était fortement associé à 301 protéines, dont NPDC1 et IGFBP6, tandis que le vieillissement pancréatique était lié à des enzymes digestives telles que PLA2G1B. L'analyse génétique a identifié 53 variants génétiques significatifs associés au vieillissement des organes et a permis de cibler 9 gènes potentiellement modulables par des interventions anti-vieillissement.
La validation clinique a démontré la capacité de ces horloges de vieillissement à prédire l'évolution des maladies, la mortalité toutes causes confondues, ainsi que les réponses différentielles aux traitements de la maladie d'Alzheimer sur une période de 240 semaines. Notamment, l'étude a révélé des différences significatives entre les sexes dans les schémas de vieillissement de plusieurs systèmes organiques, se manifestant aux niveaux structurel, moléculaire et génétique.
Ces travaux établissent un nouveau paradigme pour la recherche sur le vieillissement en offrant une vue holistique et à l'échelle du système du vieillissement biologique, susceptible de révolutionner les approches de médecine personnalisée appliquées aux maladies liées à l'âge et aux interventions de longévité.
Principales conclusions
- Seven organ-specific MRI aging clocks developed with varying accuracy (brain r=0.77, spleen r=0.23)
- Kidney aging linked to 301 proteins, revealing strongest molecular aging signature
- 53 genetic variants and 9 druggable genes identified for potential anti-aging treatments
- Aging clocks successfully predicted disease risk, mortality, and Alzheimer's treatment response
- Significant sex differences found in aging patterns across multiple organ systems
Méthodologie
Étude transversale utilisant l'apprentissage automatique (régression Lasso, régression par vecteurs de support) sur des données IRM provenant de 313 645 individus issus des cohortes UK Biobank, BLSA et A4. Les modèles de prédiction de l'âge ont été validés par validation croisée imbriquée avec des jeux de données de test indépendants de 500 participants par organe.
Limites de l'étude
Les horloges des organes abdominaux ont montré des performances médiocres en raison de caractéristiques d'imagerie limitées et d'une colinéarité élevée. Le plan d'étude transversal limite les inférences causales. Des problèmes de décalage de domaine lors de l'application des modèles à des jeux de données externes peuvent affecter la généralisabilité entre différentes populations et différents protocoles d'imagerie.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :