L'IA constate que le tabagisme rend les gens biologiquement plus âgés

• Les ingénieurs utilisent des méthodes d'apprentissage en profondeur pour prédire l'âge biologique en fonction du tabagisme.
• Les hommes fumeurs étaient environ 1,5 fois plus âgés que leur âge chronologique par rapport aux non-fumeurs.
• Les femmes fumeuses devaient être deux fois plus âgées que leur âge chronologique que les non-fumeuses.

Le tabagisme entraîne des maladies graves et nuit à presque tous les organes du corps. Selon les Centers for Disease Control and Prevention, plus de 16 millions de personnes aux États-Unis vivent avec une maladie causée par le tabagisme. Dans le monde, il cause plus de 6 millions de décès chaque année.

De nombreuses études ont déjà montré qu'il existe un lien entre le tabagisme et les maladies cardiovasculaires, le cancer et la mortalité toutes causes confondues. Cependant, nous n'avons pas de tests informatifs pour analyser les effets du tabagisme sur le taux de vieillissement biologique.

Aujourd'hui, une équipe internationale de chercheurs a démontré que le statut tabagique peut être prédit à l'aide des résultats de la numération cellulaire et de la biochimie sanguine. Ils ont utilisé le pouvoir de l'apprentissage en profondeur pour déterminer que le tabagisme rend les gens biologiquement plus âgés.

Modèles de prédiction de l'âge basés sur l'apprentissage en profondeur

Le tabagisme exerce une pression extrême sur les systèmes de santé, provoquant morbidité, décès et possiblement un vieillissement prématuré. Le fait que fumer vous fasse vieillir semble relever du bon sens, mais jusqu'à présent, il n'a jamais été éclairé et quantifié à l'aide de l'intelligence artificielle.

Dans cette étude, les chercheurs ont utilisé des modèles de prédiction de l'âge basés sur des méthodes d'apprentissage en profondeur supervisées et ont découvert que les personnes qui fumaient présentaient des taux de vieillissement plus élevés que les personnes qui ne fumaient pas, quels que soient leur taux de glycémie à jeun et leur taux de cholestérol.

Référence :Nature | doi:10.1038/s41598-018-35704-w | Université de Lethbridge

Ces modèles ont ensuite été utilisés pour déterminer l'accélération du vieillissement biologique causée par l'usage du tabac. Les ensembles de données massifs ressemblent à un tas de nombres, qui ne pourraient pas être traités efficacement via des algorithmes conventionnels. C'est pourquoi les chercheurs ont utilisé l'intelligence artificielle pour détecter les principaux schémas dans les analyses sanguines de base générales.

Formation

Les chercheurs ont examiné les données de 149 000 dossiers anonymes de biochimie sanguine, dont 49 000 fumeurs. Ils ont formé un ensemble de réseaux de neurones profonds à rétroaction supervisée sur ces enregistrements, à l'aide de GPU NVIDIA TITAN Xp avec des frameworks d'apprentissage en profondeur CUDA.

Conception de l'étude d'apprentissage en profondeur | Avec l'aimable autorisation des chercheurs

Le réseau a observé 66 marqueurs de biochimie sanguine et de numération cellulaire, notamment la ferritine sérique, la glycémie à jeun, l'urée sanguine et l'hémoglobine.

Selon les résultats, les hommes fumeurs devaient être 1,5 fois plus âgés que leur âge chronologique par rapport aux non-fumeurs, tandis que les femmes fumeuses devaient être deux fois plus âgées que leur âge chronologique que les non-fumeurs.

Les résultats indiquent que le test d'apprentissage en profondeur des tests sanguins typiques pourrait compléter les techniques sujettes aux erreurs d'auto-déclaration du statut tabagique. En fait, il pourrait être étendu pour évaluer d'autres facteurs du vieillissement et analyser les effets du tabac sur d'autres maladies comme le diabète.

Lire :Même les momies du XVIe siècle avaient une maladie cardiaque

De plus, les réseaux de neurones peuvent être utilisés pour déterminer des trajectoires de santé ou pour mesurer dans quelle mesure de nombreuses autres expositions, risques génétiques et facteurs alimentaires affectent le vieillissement et la santé.