Longevity & AgingArticle de rechercheAccès payant

Les modèles d'IA d'âge cardiaque prédisent mieux le risque de décès que l'âge chronologique

Trois modèles d'IA analysant des ECG ont affiché un accord remarquable dans la prédiction des événements cardiovasculaires et du risque de mortalité.

vendredi 27 mars 2026 3 vues
Publié dans npj aging
Scientific visualization: AI Heart Age Models Predict Death Risk Better Than Chronological Age

Résumé

Des chercheurs ont testé trois modèles d'IA estimant l'« âge cardiaque » à partir d'électrocardiogrammes chez plus de 7 000 personnes issues de l'étude Tromsø en Norvège. Les trois modèles ont montré une forte concordance et ont prédit avec précision le risque d'infarctus du myocarde, d'AVC et de décès. Les personnes dont l'âge cardiaque dépassait leur âge chronologique d'un écart-type présentaient un risque d'événements cardiovasculaires et de décès supérieur de 27 à 48 %. Les modèles s'écartaient en moyenne de 6 à 8 ans de l'âge réel, démontrant que l'âge cardiaque fondé sur l'ECG constitue un biomarqueur fiable de la santé cardiovasculaire, quelle que soit l'approche d'IA utilisée.

Résumé détaillé

L'activité électrique de votre cœur pourrait en révéler davantage sur votre longévité que votre acte de naissance. Cette étude pionnière valide que les calculs d'« âge cardiaque » reposant sur l'intelligence artificielle, à partir de simples électrocardiogrammes, peuvent prédire avec précision le risque de maladies cardiovasculaires et de décès.

Les chercheurs ont analysé 7 108 participants issus de la célèbre étude Tromsø en Norvège, en comparant trois réseaux de neurones convolutifs distincts qui estiment l'âge cardiaque à partir des tracés ECG. Bien qu'entraînés sur des jeux de données différents et reposant sur des architectures différentes, les trois modèles d'IA ont démontré une remarquable cohérence.

Les modèles prédisaient l'âge chronologique avec une marge d'erreur moyenne de 6 à 8 ans, avec des corrélations autour de 0,71 à 0,73. Plus important encore, lorsque l'âge cardiaque estimé dépassait l'âge chronologique, cela prédisait fortement de futurs problèmes de santé. Pour chaque augmentation d'un écart-type dans cet écart de « delta age », les participants faisaient face à des risques accrus de 27 à 50 % d'infarctus du myocarde, d'accidents vasculaires cérébraux, de décès cardiovasculaires et de mortalité toutes causes confondues.

Cette validation à travers plusieurs systèmes d'IA suggère que l'âge cardiaque dérivé de l'ECG constitue un biomarqueur robuste qui pourrait révolutionner la médecine préventive. Contrairement à l'imagerie médicale coûteuse ou aux analyses sanguines, les ECG sont rapides, peu onéreux et largement accessibles. Cette technologie pourrait permettre une identification précoce du risque cardiovasculaire, ouvrant la voie à des interventions ciblées et opportunes — qu'il s'agisse de modifications du mode de vie, de traitements médicamenteux ou d'une surveillance plus étroite.

La force de cette étude réside dans le fait qu'elle met à l'épreuve plusieurs modèles d'IA indépendants au sein d'une population réelle, attestant ainsi de la fiabilité du concept. Cependant, la cohorte était majoritairement norvégienne, et des périodes de suivi plus longues permettraient de renforcer les conclusions. Cette recherche nous rapproche d'une médecine de la longévité personnalisée, dans laquelle des examens simples et accessibles révèlent l'âge biologique et orientent des interventions ciblées.

Principales conclusions

  • Three AI models estimated heart age within 6-8 years of chronological age with 86% agreement
  • Higher heart age predicted 27-48% increased risk of heart attacks, strokes and death
  • ECG-based heart age showed consistent predictive power across different AI architectures
  • Simple electrocardiograms may serve as accessible biomarkers for cardiovascular aging

Méthodologie

Étude observationnelle portant sur 7 108 participants issus de la cohorte de l'étude Tromsø en Norvège. Les chercheurs ont comparé trois réseaux de neurones convolutifs publiés pour l'estimation de l'âge cardiaque à partir de l'ECG. Des modèles de régression de Cox ont évalué les associations avec les événements cardiovasculaires et la mortalité au cours de la période de suivi.

Limites de l'étude

La population étudiée était majoritairement norvégienne, ce qui pourrait limiter la généralisabilité des résultats à d'autres ethnies. La durée du suivi n'est pas précisée, et des périodes d'observation plus longues renforceraient les prédictions de mortalité. Une validation externe dans des populations diversifiées est nécessaire.

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 :