Évaluation et Détection du Risque de Sarcopénie Guidée par l'IA (SARC-AI)

Contexte :

La sarcopénie, définie par la perte progressive de masse et de fonction musculaires squelettiques, présente des risques significatifs de chutes, d'incapacité, de dysfonctionnement métabolique et de mortalité chez les personnes âgées. Les diagnostics cliniques actuels reposent sur des mesures statiques de la force ou de la masse musculaire, manquant souvent le déclin précoce ou subclinique. De plus, les interventions conventionnelles, comme l'entraînement en résistance et l'augmentation de l'apport en protéines, montrent une grande variabilité interindividuelle dans les résultats en raison de facteurs tels que le phénotype musculaire de base, l'état métabolique, la génétique et la composition du microbiote intestinal. Les technologies émergentes, incluant les capteurs portables, le profilage métabolique à haut débit et les approches IA/ML, offrent une opportunité de créer des cadres prédictifs et individualisés pour l'évaluation et la gestion du risque de sarcopénie.

Objectifs :

• Développer et valider un modèle piloté par l'IA intégrant la composition musculaire, la performance fonctionnelle et les biomarqueurs métaboliques pour prédire le risque de sarcopénie.
• Mettre en œuvre une intervention personnalisée et adaptative combinant exercice et nutrition, guidée par les prédictions de l'IA et une surveillance en temps réel.
• Évaluer l'efficacité de cette intervention sur la masse musculaire, la performance fonctionnelle et la santé métabolique chez les personnes âgées.

Méthodes :

Phase 1 : Analyse rétrospective de données multimodales de 3 500 adultes, incluant la composition musculaire (DXA, IRM), les tests fonctionnels (force de préhension, lever de chaise), les marqueurs métaboliques et les profils du microbiote. Les modèles IA/ML seront entraînés pour prédire le risque de sarcopénie et identifier les caractéristiques prédictives clés. La validation sera effectuée en utilisant un sous-ensemble de participants nouvellement recrutés sous soins standards.

Phase 2 : Une intervention prospective de 12 semaines chez 120 adultes âgés de 50 à 70 ans, stratifiés en groupes de risque de sarcopénie basés sur les prédictions de la Phase 1. Les participants recevront un plan d'exercice personnalisé (résistance et aérobie) et nutritionnel guidé par l'IA, surveillé via des capteurs portables et une application mobile. La collecte de données inclut l'IRM et la DXA pour la composition musculaire, les tests de performance fonctionnelle, les biomarqueurs métaboliques et inflammatoires, le profilage du microbiote et les résultats autodéclarés. La réponse à l'intervention sera analysée à l'aide de modèles à effets mixtes et de ML pour identifier les prédicteurs d'efficacité.

Signification et innovation :

Cette étude intègre la prédiction de risque pilotée par l'IA avec des interventions adaptatives personnalisées en temps réel, abordant les lacunes diagnostiques et thérapeutiques actuelles dans la prise en charge de la sarcopénie. En combinant les données de structure musculaire, de fonction, métaboliques, comportementales et du microbiote, elle permet une détection précoce du déclin musculaire, une gestion individualisée et une meilleure adhérence. Le cadre a un potentiel pour une large traduction clinique, une intégration en santé numérique et une future commercialisation en tant que plateforme IA évolutive pour la sarcopénie.

Résultats anticipés :

• Outils de dépistage de la sarcopénie basés sur l'IA pour la détection précoce et la stratification des risques.
• Protocoles d'exercice et de nutrition personnalisés adaptés au risque et à la physiologie individuelle.
• Un cadre d'intervention piloté par les données et évolutif, adapté au déploiement clinique ou à domicile.

Compréhension améliorée des réponses hétérogènes aux interventions contre la sarcopénie.