Les progrès des systèmes d’apprentissage en profondeur ont commencé à converger avec le renouveau de la recherche sur la longévité. En traitant l’âge comme un ensemble de données en corrélation avec d’autres biomarqueurs, les algorithmes d’apprentissage en profondeur peuvent maintenant glaner beaucoup plus à partir de photographies, de la chimie sanguine de la population, de données transcriptomiques (comme le séquençage de l’ARN) et d’activités traçables. Ces nouveaux marqueurs du vieillissement, appelés » horloges à vieillissement profond « , se révèlent aujourd’hui, lorsqu’ils sont correctement sondés, d’une valeur inestimable dans les applications pharmaceutiques. Une nouvelle forme d’architectures de réseaux neuronaux profonds, les réseaux génératifs accusatoires (GANs) peuvent maintenant créer des ensembles de données synthétiques sur les patients, des immunothérapies et des vaccins spécifiques selon l’âge, ou même les bases de nouvelles pharmacothérapies qui sauvent des vies.
Pourquoi c’est important ? D’innombrables start-ups en IA se ruent sur la renaissance actuelle de la recherche sur la longévité, tandis que d’autres, comme Y Combinator, prennent le train en marche pour fournir le financement de démarrage. Parmi les nouveaux concurrents, les méthodes d’IA telles que les GAN peuvent accélérer considérablement les progrès dans l’identification des cibles et la découverte de médicaments pour un large éventail de maladies liées au vieillissement. Par conséquent, la médecine personnalisée et la mise au point de médicaments à faible coût pourraient un jour ajouter de 20 à 40 années de plus à notre espérance de vie en bonne santé. Quelles seront les implications lorsque notre état de santé à 100 ans sera équivalent à 60 ans aujourd’hui ?
La suite ici (Alex Zhavoronkov&Polina Mamoshina)
