Prédisez votre espérance de vie avec l'IA via les données de votre smartphone

La nouvelle IA estime précisément l'âge biologique et les principaux facteurs de risque santé.

Elle analyse les données collectées par smartphones et objets connectés.

Les développeurs ont lancé une app qui observe comment vos motifs d'activité quotidiens affectent votre espérance de vie.

Contexte

De nombreux facteurs biologiques (expression génique, ADN, taux sanguins) corrélaient avec l'âge. Mais profils génomiques ou analyses biochimiques à grande échelle sont difficiles et coûteux hors recherche.

Pour simplifier, les développeurs de la biotech GERO et de l'Institut de physique et technologie de Moscou ont construit une IA estimant l'âge biologique et les facteurs de risque majeurs. Elle analyse les données des smartphones et wearables.

L'IA a déjà démontré des performances phénoménales en reconnaissance de motifs, parole, identification visuelle. Les réseaux neuronaux sont utilisés en médecine pour traitements personnalisés et création de médicaments. Inspirés par ces outils, les chercheurs ont développé un système fournissant des infos santé précises basées sur l'activité physique.

Les OS modernes de portables/wearables permettent collecte et stockage cloud des activités personnelles sans perturber la routine — à très grande échelle (milliards de personnes). L'IA utilise ces enregistrements pour surveiller en continu les risques santé et donner un feedback temps réel.

Méthodologie

Les chercheurs ont extrait 4 ans (2003-2006) de données cliniques et d'activité physique de NHANES (Enquête nationale santé et nutrition). Ils ont entraîné le réseau neuronal sur des enregistrements d'une semaine pour estimer risque de mortalité et âge biologique.

Ils ont comparé 3 modèles d'âge biologique de plus en plus précis :

1. Régression linéaire multivariée
2. Analyse en composantes principales non supervisée (PCA)
3. Réseau neuronal convolutif profond (CNN)

La méthode supervisée (CNN) a démêlé la plupart des motifs de mouvement biologiques et établi leur lien avec la durée de vie et la santé générale. L'algorithme surpasse tous les modèles existants de risque de mortalité et d'âge biologique sur les mêmes données.

Référence : Nature | doi:10.1038/s41598-018-23534-9 | MIPT

L'équipe a développé une app iOS qui voit (via accéléromètre du téléphone) comment les motifs d'activité quotidiens affectent l'espérance de vie.

Dans un travail antérieur, l'équipe a utilisé éléments de matrice de transition, descripteurs agrégés, et normalisation quantile simple pour montrer que l'IA entraînée sur NHANES pouvait estimer les risques santé dans UK Biobank.

Et après ?

Certaines assurances santé offrent déjà des réductions basées sur l'activité physique via wearables.

Selon les développeurs, l'algorithme peut être amélioré pour modèles de risque plus précis. Combiner ML récent et théorie du vieillissement donnera de meilleurs modèles santé pour réduire risques longévité en assurance et aider la planification retraite. L'IA pourrait aussi contribuer aux thérapies anti-âge et essais cliniques futurs.