Comment l'IA et le contrôle du stress oxydatif pourraient transformer l'espérance de vie en bonne santé

Cette revue complète, publiée dans *Biomolecules* en octobre 2025, synthétise les données émergentes sur la façon dont l'intelligence artificielle peut être déployée pour comprendre et contrecarrer les processus biologiques qui accélèrent le vieillissement. Les auteurs établissent une distinction précise entre l'espérance de vie en bonne santé (les années vécues sans maladie chronique ni déclin fonctionnel) et la longévité radicale (dépassement substantiel des limites actuelles de l'espérance de vie humaine grâce à des interventions moléculaires et cellulaires). Ils reconnaissent que si la longévité radicale reste hors de portée des technologies actuelles, l'extension meaningful de l'espérance de vie en bonne santé constitue un objectif réalisable à court terme — à condition que les outils d'IA soient exploités efficacement pour déchiffrer la complexité de la biologie du vieillissement.

Un pilier conceptuel majeur de la revue est l'« inflammaging » — le glissement lié à l'âge vers une inflammation systémique chronique de bas grade, alimentée par des cellules sénescentes ayant dépassé la limite de Hayflick du nombre de divisions cellulaires, et par un système immunitaire qui perd en spécificité avec l'avancée en âge. Les auteurs décrivent comment les adipocytes des personnes obèses amplifient cet état inflammatoire, créant un cercle vicieux de résistance à l'insuline, de dyslipidémie et de vieillissement tissulaire accéléré. Ils mettent en avant les polyphénols végétaux — en citant une étude de 2013 de l'Université de Malte réalisée par Camilleri et al. démontrant la protection des membranes mitochondriales par les polyphénols contre la perméabilisation par des agrégats amyloïdes — comme une classe prometteuse d'inhibiteurs naturels de l'inflammaging, particulièrement pertinente pour les maladies neurodégénératives telles qu'Alzheimer et Parkinson.

La revue propose un cadre d'investigation structuré basé sur l'IA : les chercheurs saisissent une description succincte du problème et une hypothèse dans une plateforme d'IA, puis lui assignent des sous-tâches — exploration de la littérature, conception d'expériences, mise en forme des références et évaluation croisée de bibliothèques de composés. Les auteurs soutiennent que l'IA, combinée à des systèmes de culture cellulaire automatisés ou à des modèles de « cellules virtuelles », pourrait cribler de vastes bibliothèques combinatoires de phytochimiques pour une activité anti-âge, bien plus rapidement que les méthodes conventionnelles en laboratoire humide. L'intégration de l'informatique quantique est identifiée comme la prochaine frontière, les qubits permettant le traitement parallèle simultané de toutes les possibilités de résultats expérimentaux — transformant potentiellement les délais de découverte de médicaments de plusieurs années à quelques mois.

L'hème oxygénase (HO) fait l'objet d'une attention particulière en tant que cible d'analyse par IA. La HO est décrite comme une enzyme cytoprotectrice endogène essentielle dont l'activité tampon contre le stress oxydatif dans les tissus cardiovasculaires et autres. La revue utilise les maladies hémolytiques — où la destruction des globules rouges libère de l'hémoglobine libre toxique et provoque d'intenses dommages oxydatifs — comme modèle concret pour la conception thérapeutique guidée par l'IA. Cette approche illustre comment l'IA peut simultanément traiter une pathologie clinique spécifique tout en générant des connaissances largement applicables à la gestion du stress oxydatif dans le cadre du vieillissement cardiovasculaire.

La revue se conclut par une évaluation franche des obstacles et des responsabilités. Les plateformes d'IA actuelles sont contraintes par la littérature bloquée derrière des paywalls, des lacunes dans les données de modélisation des cellules virtuelles, et la nécessité irréductible d'une validation expérimentale. Sur le plan éthique, les auteurs soulèvent des préoccupations concernant la confidentialité des données, les biais algorithmiques et les inégalités sociales susceptibles d'émerger si les technologies de prolongation de la vie ne deviennent accessibles qu'aux plus fortunés. Ils appellent à une collaboration interdisciplinaire, à des méthodologies d'IA transparentes, à des cadres de données biologiques standardisés et à des politiques équitables — affirmant que sans ces garde-fous, le potentiel transformateur de l'IA en science de la longévité risque d'être accaparé par une minorité privilégiée plutôt que de bénéficier à l'humanité dans son ensemble.