L'horloge du vieillissement de l'Apple Watch prédit le risque de maladie cardiovasculaire depuis votre poignet

Les horloges biologiques du vieillissement ont traditionnellement reposé sur des mesures invasives ou coûteuses — méthylation de l'ADN à partir de sang, ECG cliniques ou IRM cérébrale. Ces approches sont difficiles à déployer à grande échelle et rarement collectées de manière longitudinale. PpgAge représente un changement de paradigme : un biomarqueur du vieillissement passif et non invasif, dérivé en continu de wearables grand public portés au poignet.

L'équipe de recherche, basée chez Apple, a entraîné un modèle d'apprentissage profond sur environ 20 millions de segments PPG de 60 secondes provenant de 172 318 participants, en utilisant un apprentissage contrastif auto-supervisé. Cette approche a produit un vecteur de caractéristiques à 256 dimensions pour chaque segment PPG, capturant la morphologie des formes d'onde et reflétant les fonctions cardiaque, vasculaire, respiratoire et du système nerveux autonome. Un modèle de régression linéaire a ensuite mis en correspondance ces représentations moyennées avec l'âge chronologique, à partir d'une sous-cohorte saine soigneusement sélectionnée (n=6 728 ; 80 % entraînement, 20 % test). L'« écart PpgAge » — âge prédit moins âge chronologique — constituait le biomarqueur d'intérêt principal.

PpgAge a atteint une MAE de 2,43 ans dans la cohorte test saine, avec une précision homogène entre les sous-groupes définis par le sexe biologique, la race/l'origine ethnique et l'IMC. Dans la population générale élargie (n=120 235), la MAE a augmenté modestement à environ 3,2 ans, ce qui est attendu étant donné que les participants non sains avaient été exclus de l'entraînement. De manière cruciale, l'écart PpgAge a montré de fortes associations transversales avec les maladies chroniques. Chez les femmes âgées de 35 à 45 ans, la prévalence du diabète était en moyenne de 6,3 %, mais grimpait à 14,9 % (2,38x) parmi celles présentant un écart PpgAge supérieur à 6 ans, et descendait à 3,7 % parmi celles dont l'écart était inférieur à −2 ans. Des tendances similaires ont été observées pour les maladies cardiaques et l'insuffisance cardiaque. En termes prospectifs, un écart PpgAge élevé prédisait significativement les événements cardiaques incidents, indépendamment des facteurs de risque cardiovasculaire traditionnels.

Au-delà de la maladie, l'écart PpgAge reflétait les comportements de santé : des écarts plus élevés étaient associés au tabagisme, à un mauvais sommeil et à de faibles niveaux d'activité physique. Sur le plan longitudinal, PpgAge présentait des augmentations marquées pendant la grossesse et aux alentours d'événements cardiaques — suggérant une sensibilité en temps réel aux changements physiologiques aigus. Cette réactivité longitudinale distingue PpgAge des biomarqueurs statiques et ouvre des applications potentielles pour le suivi des interventions ou de la progression des maladies au fil du temps.

L'échelle et la passivité de l'étude constituent ses points forts majeurs — des données continues, issues du monde réel, provenant de plus de 213 000 participants sur plusieurs années. Cependant, la population est biaisée en faveur des utilisateurs d'Apple Watch, qui peuvent être en meilleure santé et plus aisés que le grand public. Les diagnostics de maladies auto-déclarés introduisent un bruit de classification, et l'interprétation causale de l'écart d'âge reste limitée par le design observationnel. Néanmoins, PpgAge représente une preuve de concept convaincante que les wearables grand public disponibles dans le commerce peuvent fournir des biomarqueurs du vieillissement cliniquement pertinents.