Nos autres actus scientifiques

  • Une femme étudiant un échantillon devant un microscope.

    Quatre scientifiques de l'université parmi les plus cités au monde en 2026 !

    Clarivate Analytics, cabinet d’étude et de conseil pour l’information scientifique, a établi la liste des "Highly Cited Researchers 2026", c'est-à-dire des chercheuses et chercheurs les plus influents dans leur domaine suite à la publication de plusieurs articles hautement cités au cours de la dernière décennie (2015-2025). Quatre scientifiques toulousains, dont un professeur universitaire - praticien hospitalier, font partie de ce classement et participent ainsi au rayonnement à l’international des recherches menées dans les laboratoires de l’université.

  • Eclairs lors d'un orage.

    Comment la glace dans les nuages permettra d’estimer les courants ascendants au cœur des orages

    Les courants ascendants de l’air au cœur des orages jouent un rôle essentiel dans la météorologie et le climat, mais restent difficiles à mesurer directement. Dans le cadre de la préparation d’une prochaine mission spatiale du CNES, une équipe de scientifiques du Laboratoire d’aérologie de l’Université de Toulouse (LAERO-OMP, CNRS/IRD/UT) a développé un important jeu de simulations d’orages réalistes. Leur étude, publiée dans le Journal of Geophysical Research : Atmospheres le 11 novembre, montre que la variation de la quantité de glace dans les nuages pourra servir à estimer ces mouvements depuis l’espace.

  • Près de 7 millions d’euros de l’ERC pour développer des matériaux à la frontière entre le solide et le liquide

    Porté par Patrice Simon, enseignant-chercheur à l’Université de Toulouse, en collaboration avec l’Université Drexel (États-Unis), le projet SLiMs vise à concevoir une nouvelle génération de matériaux 2 Dimensions avec des propriétés programmables. À terme, ces travaux pourraient ouvrir la voie à des applications dans les domaines de l’énergie, de la filtration ou encore de la robotique.

Dans cette page

Une intelligence artificielle pour prédire le vieillissement biologique

Si l’on vieillit toutes et tous à chaque instant passé, le processus de vieillissement ne se fait pas à la même vitesse au niveau biologique et il est très variable selon les individus. D’autant plus qu’il est le facteur de risque le plus important dans la majorité des pathologies, notamment chroniques. Une équipe de scientifiques internationaux, dirigée par Louis Casteilla et Paul Monsarrat, professeurs à l’université Toulouse III – Paul Sabatier en physiologie animale et odontologie, exerçant au sein de l’institut Restore (CNRS/ENVT/Inserm/UT3), a utilisé une intelligence artificielle afin de réussir à discerner l’âge physiologique de l’âge chronologique.

Une approche, publiée le 10 juin dans la revue Aging Cell, qui permet de mieux comprendre, prédire et prendre en charge de manière individualisée les individus et patients.

Identifier les mécanismes sous-jacents qui conduisent pour un même âge chronologique à une usure biologique variable selon les personnes est l’objectif d’un domaine scientifique nouveau : les gérosciences. Pour réussir à discerner le plus finement possible ce vieillissement biologique plus ou moins prononcé, les scientifiques ont adopté comme approche celle de l’apprentissage machine, autrement dit l’intelligence artificielle, en lui donnant une masse importante de données de biologie médicale à traiter.

Jusqu’à présent, les méthodes biostatistiques utilisées s’appuyaient le plus souvent sur un choix réduit et déterminé de variables pour estimer le vieillissement biologique. Cependant, elles peinent à tenir compte de la complexité des relations entre ces paramètres.

L’utilisation d’intelligences artificielles n’est pas nouvelle dans le domaine biomédical. Toutefois, des questions de transparence se posent en ce qui concerne les résultats produits, ce qui peut soulever des inquiétudes lors de son utilisation par un professionnel de santé.

Pour éviter ces écueils et proposer une méthode fiable, l’équipe de Louis Casteilla a développé un cadre méthodologique innovant pour déterminer un âge physiologique personnalisé en utilisant différemment l’intelligence artificielle. Celle-ci est désormais plus « transparente » : elle définit à l’échelle de l’individu le poids des paramètres utilisés dans le résultat donné, un point crucial pour sa future acceptabilité clinique.

Cette IA calculatrice d’âge physiologique, dite PPA pour Personalized physiological age, a été conçue sur une très large base de données de population américaine, à partir de 26 variables biologiques simples (hémoglobine glyquée, glycémie, urémie…) pouvant être mesurées dans n’importe quel laboratoire d’analyses médicales. Elle permet de prédire les maladies chroniques et la mortalité indépendamment de l'âge chronologique. « Ce travail n’a pu se faire que grâce à un effort collectif intense et soutenu d’une équipe pluridisciplinaire qui incluait des biologistes, des cliniciens, des informaticiens et des épidémiologistes », souligne Louis Casteilla.

Cette méthode, qui a fait l’objet d’un dépôt de brevet, ouvre la voie à un futur suivi clinique spécifique et personnalisé pour un vieillissement en bonne santé et toutes les pathologies liées à l’âge. « Le PPA permettra au professionnel de santé d’identifier précocement la déviation de son patient par rapport à sa trajectoire de vieillissement ‘normal’ et de mettre ainsi en place les stratégies pour prévenir l’apparition des maladies chroniques ou diminuer leur gravité. Nous pensons que ce type d’approche est particulièrement pertinent pour analyser la complexité des facteurs de risque dans le médical sans sacrifier l’humanité de la relation patient – soignant », rajoutent les auteurs.
 
Référence
Explainable machine learning framework to predict personalized physiological aging
David Bernard, Emmanuel Doumard, Isabelle Ader, Philippe Kemoun, Jean-Christophe Pagès, Anne Galinier, Sylvain Cussat-Blanc, Felix Furger, Luigi Ferrucci, Julien Aligon, Cyrille Delpierre, Luc Pénicaud, Paul Monsarrat, Louis Casteilla
Aging cell, 2023

Consulter l'article  

À lire aussi

  • Un probiotique désarmé pour mieux guérir

    Utilisée depuis plus d’un siècle pour traiter les troubles gastro-intestinaux, la bactérie Escherichia coli (E. coli) « Nissle 1917 » est un incontournable en matière de probiotique. Néanmoins, cette bactérie produit une toxine, la colibactine, qui casse l’ADN des cellules et pourrait induire le cancer colorectal. Il est donc essentiel de mieux comprendre son fonctionnement afin de minimiser au mieux ses effets secondaires. Des chercheurs de l’Inra, de l’Inserm, de l’Université de Toulouse III – Paul Sabatier et de l’ENVT ont réussi à mieux comprendre la synthèse des « bonnes » et « mauvaises » molécules chez « Nissle 1917 » et ainsi à créer une nouvelle souche incapable de produire la toxine tout en gardant ses propriétés probiotiques. Les travaux ont été publiés le 23 septembre 2019 dans la revue PLoS Pathogens.

  • yellow-fever-humanitarian-crédit-WHO-C-Onuekwe

    Une dose unique de vaccin contre la fièvre jaune ne protège pas tous les enfants de façon durable

    L’OMS recommande une dose unique de vaccin contre la fièvre jaune à partir de l’âge de 9 mois pour les personnes qui habitent ou se rendent dans les zones à risque de transmission de la maladie, mais des données manquent sur l’efficacité à long terme du vaccin lorsqu’il est administré aux nourrissons. José Enrique Mejía, chercheur Inserm au Centre de physiopathologie de Toulouse Purpan (Inserm/UT3 Paul Sabatier/CNRS) et Cristina Domingo (Institut Robert Koch, Berlin) viennent de montrer qu’environ la moitié des enfants initialement protégés par la vaccination à 9 mois ne le seraient plus dans les deux à cinq ans qui suivent, en raison de la disparition des anticorps neutralisants. Ces travaux sont parus dans The Lancet Infectious Diseases.

Haut de page