Un nouveau « EEG Brain-Age Clock » prétend mesurer et inverser le vieillissement cognitif
Une collaboration entre Sens.ai et le Buck Institute a mis au point un modèle fonctionnel d'âge cérébral à partir de données EEG — et les premiers résultats laissent entrevoir qu'il pourrait évoluer.
Résumé
Des chercheurs de la société de neurotechnologie Sens.ai et du Buck Institute for Research on Aging ont développé Brain Years, un modèle d'âge cérébral fonctionnel construit à partir de signaux EEG, de potentiels évoqués et de données de performance. Contrairement aux horloges structurelles basées sur l'IRM, Brain Years mesure ce que le cerveau est réellement capable d'accomplir. Un apprentissage automatique entraîné sur des données provenant de personnes âgées de l'adolescence à la fin de la quatre-vingtième année identifie quelles combinaisons parmi des centaines de variables neurales prédisent le mieux l'âge cérébral fonctionnel. Les premières données d'intervention suggèrent un rajeunissement potentiel du score d'âge cérébral de plus de 5 ans après deux mois, bien que les chercheurs soulignent qu'un essai contrôlé par placebo est nécessaire pour confirmer si la biologie — et non seulement la performance aux tests — a réellement changé. L'outil vise à suivre une trajectoire, et non un simple instantané, offrant une vision plus dynamique de l'évolution du cerveau.
Résumé détaillé
La plupart des horloges du vieillissement mesurent la biologie à un instant précis. Brain Years, développée par Sens.ai en collaboration avec le Buck Institute for Research on Aging, tente quelque chose de plus ambitieux : un score d'âge cérébral fonctionnel construit à partir de signaux EEG, de potentiels évoqués et de performances à des tâches cognitives en conditions réelles, capable de suivre la trajectoire du cerveau — et de déterminer si des interventions peuvent modifier cette trajectoire.
Le modèle a été entraîné sur des données collectées en dehors de laboratoires strictement contrôlés, couvrant des utilisateurs de la première adolescence jusqu'à la fin de la quatre-vingtième année. Comme l'EEG en conditions réelles est notoirement bruité, Sens.ai a développé des capteurs propriétaires et des algorithmes de détection d'artefacts pour filtrer les mouvements, la mastication, la parole et les clignements excessifs avant toute application d'apprentissage automatique. L'entreprise qualifie cela d'un problème de type « garbage-in-garbage-out » : l'IA n'est performante qu'à la hauteur des données qui lui sont fournies.
L'apprentissage automatique a ensuite passé au crible des centaines de variables neurales afin d'identifier les combinaisons corrélant le plus fortement avec l'âge chronologique et la capacité fonctionnelle. Le résultat est un score exprimant l'âge cérébral fonctionnel par rapport à l'âge réel de la personne — présenté moins comme une lecture fixe d'un compteur kilométrique que comme une prévision probabiliste de la fonction cérébrale actuelle et de la trajectoire à court terme.
Les données préliminaires sur les interventions sont prometteuses, mais encore préliminaires. Sens.ai rapporte une réduction moyenne de 5,18 ans du score Brain Years à la suite d'une intervention de deux mois. Eric Verdin, PDG du Buck Institute, reste mesuré dans son interprétation, soulignant qu'une véritable modification du vieillissement cérébral exige un essai prospectif, contrôlé par placebo et correctement conçu, afin d'écarter une simple amélioration due à la familiarisation avec les tests ou aux performances.
L'ambition plus large est de valider Brain Years par rapport à d'autres horloges du vieillissement — mesures structurelles par IRM et horloges protéomiques sanguines — et d'établir si les variations du score correspondent à des changements significatifs dans la biologie sous-jacente. Pour les adultes soucieux de leur santé, un outil d'âge cérébral fonctionnel validé pourrait à terme guider des interventions cognitives personnalisées avec un retour mesurable.
Principales conclusions
- Brain Years uses EEG and cognitive task data — not just brain structure — to estimate functional brain age across the lifespan.
- Machine learning identified which combinations of hundreds of neural variables best predict functional brain age relative to chronological age.
- Early data suggest a two-month intervention produced a 5.18-year reduction in Brain Years score, pending controlled trial confirmation.
- Researchers stress a placebo-controlled prospective trial is needed to confirm biology changed, not just test performance.
- Buck Institute plans to cross-validate Brain Years against MRI-based and blood proteomic aging clocks.
Méthodologie
Il s'agit d'un résumé d'actualité et d'entretien basé sur un épisode de podcast mettant en vedette Paola Telfer, PDG de Sens.ai, et Eric Verdin, PDG du Buck Institute. Aucune publication évaluée par des pairs n'est citée ; les données probantes reposent sur des données d'intervention propriétaires et des commentaires d'experts. Le chiffre de 5,18 ans de rajeunissement n'a pas encore été répliqué de manière indépendante ni publié dans le cadre d'un essai contrôlé.
Limites de l'étude
Les données d'intervention sont préliminaires, non publiées et issues d'une étude non randomisée et non contrôlée, ce qui rend impossible l'exclusion d'effets d'apprentissage ou de réponses placebo. Aucun article évalué par des pairs décrivant le modèle Brain Years ou sa validation n'a été cité, ce qui limite l'examen indépendant de sa méthodologie. Les lecteurs devraient attendre les résultats de l'essai prospectif contrôlé par placebo prévu avant de considérer l'affirmation d'un rajeunissement de 5,18 ans comme établie.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :
