Utiliser l’intelligence artificielle pour nous aider à traiter le vieillissement

L’apprentissage automatique et l’IA peuvent être mis à profit pour comprendre et potentiellement atténuer le déclin lié à l’âge

Oui, vous avez correctement lu le titre de cet article. Le vieillissement, pas les maladies liées à l’âge, mais le vieillissement lui-même comme quelque chose à «traiter». Ou peut-être, un peu plus précise, la sénescence comme quelque chose à traiter.

La sénescence, ou «détérioration progressive des caractéristiques fonctionnelles’, Diffère de la croissance (qui est également un processus lié au temps et à l’âge). Le mot clé est la détérioration. Alors que les caractéristiques fonctionnelles peuvent changer en fonction des différents stades de la vie, ce qui distingue la sénescence (que j’appellerai «  vieillissement  » dans le reste de cet article par souci de simplicité) est le déclin de la fonction – même pour les fonctions adaptées au stade de la vie .

Pour la plupart des gens, il semble encore peu conventionnel d’appeler vieillir une maladie. L’affaire a cependant été quelques fois maintenant.

Si intéressante que soit la discussion, ce n’est pas le sujet ici. En fait, ce n’est pas vraiment pertinent pour le point de ce poste. Pour nos fins ici, il suffit que nous convenions que, dans la grande majorité des gens, l’âge avancé est une période marquée par divers problèmes de santé. (Si vous me suivez en appelant l’âge une maladie, ces divers problèmes peuvent en fait être considérés comme des «symptômes» d’un problème sous-jacent, c’est-à-dire l’âge.)

Ce point est que le vieillissement est un processus systémique qui ne laisse aucune fonction corporelle inchangée. C’est, pour utiliser quelques syllabes supplémentaires, un problème multifactoriel. Et, comme nous l’avons remarqué dans la discussion concernant l’IA pour la santé mentale, les systèmes d’apprentissage automatique / IA sont particulièrement adaptés pour faire face à de tels problèmes.

Alors, comment l’IA peut-elle nous aider à comprendre le vieillissement – et peut-être même répondre au déclin fonctionnel qui l’accompagne? Heureusement, une récente (accès libre) la revue répond à cette question.

Biomarqueurs

Le premier domaine de la recherche sur le vieillissement où l’IA peut avoir un impact est l’identification et l’interprétation biomarqueurs du vieillissement. Certain moléculaires et autres «signaux» sont déjà utilisés pour mesurer l’âge biologique (contrairement à l’âge chronologique, qui mesure simplement le temps écoulé). Les télomères sont bien connus. Ces «bouchons» aux extrémités du chromosome semblent se raccourcir avec l’âge biologique croissant.

Jusqu’à présent, cependant, ces biomarqueurs de l’âge ont leurs limites. Beaucoup sont utilisés dans le contexte d’une (de plusieurs) fonctions physiologiques spécifiques. Étant donné que le vieillissement est un processus systémique, de nombreuses fonctions physiologiques sont impliquées, des fonctions qui sont très susceptibles de s’affecter également.

Pour quantifier et mesurer vraiment objectivement l’âge biologique avec une évaluation précise de l’état de santé, il faut probablement un panel fiable de biomarqueurs. Un tel panel doit également inclure de nombreux types de biomarqueurs différents (par exemple, moléculaire, basé sur l’imagerie, épigénétique…). La combinaison de différents biomarqueurs dans un panel interprétable signifie que non seulement nous devons prendre en compte les marqueurs qui communiquent des informations sur des ensembles de fonctions se chevauchant partiellement, mais également que la quantité d’informations que chaque marqueur donne sur chaque fonction sera différente.

Cela ressemble à un travail pour l’IA / l’apprentissage automatique. (Dans une coïncidence intéressante, juste au moment où j’allais cliquer sur « publier », je suis tombé sur cette nouvelle étude qui a appliqué l’apprentissage en profondeur pour estimer l’âge biologique… L’avenir, c’est maintenant.)

Cibles et drogues

À mesure que nous passons de la mesure à l’intervention, nous devons savoir où intervenir pour obtenir le meilleur résultat possible. Autrement dit, nous avons besoin de cibles d’intervention.

Étant donné que le vieillissement est un processus multifactoriel qui implique d’innombrables molécules, hormones, etc. dans une multitude de voies très complexes, souvent entrelacées. Pour un effet maximal, nous recherchons préférentiellement des «cibles en amont», ou des molécules / signaux / gènes /… qui affectent de nombreuses voies à la fois en influençant les premières étapes de base desquelles de nombreuses voies divergent.

Mais avant d’y arriver, nous devons parcourir les données. Beaucoup de données. À présent, vous savez ce que cela signifie: un buffet dans lequel l’IA peut plonger.

Après avoir su où intervenir, il faut aussi comprendre Comment intervenir.

Au-delà des facteurs liés au style de vie (un bref Zones bleues: pour une vieillesse en bonne santé, mangez surtout des plantes, pas trop de calories, bougez doucement tout au long de la journée, passez du temps avec votre famille et vos amis, disposez d’un solide système de soutien social et trouvez un but), nous sommes également intéressés par les médicaments qui pourraient interférer avec le déclin causé par le vieillissement. Ici aussi, l’IA peut ouvrir la voie.

Un premier domaine dans lequel l’IA peut travailler son mojo est la réutilisation des médicaments. En fouillant dans les bases de données des médicaments existants, l’IA pourrait identifier certains qui interviennent dans le déclin associé au vieillissement. (Un exemple non AI découvert est metformine, un médicament contre le diabète qui imite certains des effets de la restriction calorique.) Certains candidats actuels (comme la metformine) semblent prometteurs mais ne sont pas sans effets secondaires (ne prenez pas de metformine sans en parler à votre médecin!). Peut-être que l’IA peut nous aider à en trouver de meilleurs.

Nous pouvons utiliser l’IA pour dépister les médicaments existants, mais peut-être aussi pour en concevoir de nouveaux. En accédant à de grandes bibliothèques chimiques virtuelles contenant des informations sur une multitude de molécules avec leurs propriétés, les systèmes d’IA / machine learning peuvent assembler un nouveau composé qui pourrait affecter les voies de vieillissement pertinentes. Il peut également affiner / reconcevoir la structure d’une molécule pour obtenir un certain effet souhaité.

Les systèmes avancés d’apprentissage automatique peuvent également effectuer des tests virtuels pour séparer le blé «qui peut fonctionner» de la balle «qui ne fonctionne certainement pas» sans avoir à tester laborieusement tous les candidats-médicaments en laboratoire. Un pas de plus, et un robot contrôlé par l’IA pourrait effectuer des tests standard sur des candidats prometteurs, pour aboutir à quelques médicaments à fort potentiel pour des essais réels (une approche déjà mise au point pour des médicaments contre plusieurs maladies tropicales).

Gènes, immunité et régénération

Enfin, l’IA, en démêlant les voies du vieillissement, sera également en mesure d’identifier les gènes affectant ces voies.

Il y a déjà plusieurs gènes candidats qui ont conduit à une augmentation substantielle de la durée de vie des modèles animaux après altération, mais qui sait combien de temps encore attendait dans la jungle du génome? Et, que ce soit pour des «gènes vieillissants» déjà connus ou encore à découvrir, l’apprentissage automatique peut même nous aider à modifier les options de thérapie génique (épi).

De même, l’IA peut avoir une utilité pour comprendre pourquoi et comment notre système immunitaire commence à faiblir avec l’âge. Cet effet de l’âge sur le système immunitaire conduit à une plus grande sensibilité à diverses maladies, à des conséquences plus graves des infections et au cancer. S’attaquer à cela avec des interventions adaptées serait déjà un grand pas en avant pour augmenter la santé, sinon la durée de vie.

Enfin, une évolution récente prometteuse dans la prévention du déclin lié à l’âge dans certaines fonctions enlever les cellules sénescentes. Ces vieilles cellules qui ont cessé de diviser les molécules pro-inflammatoires excrétées détruisent leurs voisins. L’élimination de ces cellules sénescentes peut améliorer la santé et prévenir certains des effets terribles du vieillissement. Cependant, la simple suppression de ces cellules n’est que la première étape. Nous devons les remplacer de peur de perdre toutes nos cellules (non recommandé).

L’apprentissage automatique peut aider à affiner les thérapies à base de cellules souches à cette fin. La mise au point de protocoles de «reprogrammation» des cellules en cellules souches est la première étape. La deuxième étape, cependant, est également importante. Lorsque nous administrons ces cellules souches à n’importe quel tissu qu’elles vont reconstituer, nous aimerions également avoir un certain degré de contrôle sur leur différenciation. Nous ne voulons pas qu’ils se divisent sans freins, causant le cancer. Cela irait à l’encontre du but.

Il est clair que la mise en œuvre de l’apprentissage automatique / IA peut stimuler les efforts anti-âge déjà en cours. Cependant, une remarque importante doit être faite:

Vivre simplement plus longtemps n’est pas l’objectif. Vivre plus longtemps en bonne santé, c’est.

Ou, en d’autres termes, tous les efforts discutés ici ne sont pas – ne devraient pas – se concentrer uniquement sur l’extension de la durée de vie maximale, mais sur l’extension de la durée de vie. Personne ne veut avoir 150 ans si les 50 dernières années doivent être passées dans la douleur et la misère.

Jusqu’à ce que nous trouvions la fontaine de jouvence, prenez soin de vous. Votre vieil homme vous remerciera.