Actualité

Demain, des régimes personnalisés grâce à l’IA et la « nutrigénomique » ?   

Demain, des régimes personnalisés grâce à l'IA et la

Vers des diètes conduites par l’IA ? Oubliez les applis de foodtech qui vous proposent de compter vos calories mais qui ne fonctionnent pas très bien : le régime alimentaire du futur pourrait bien être un mélange entre analyses ADN et Intelligence Artificielle. Efficace et d’une pertinence redoutable, bien qu’un peu triste. En gros, vous pourriez fort bien, demain, être conseillés par des « coachs » virtuels, des algorithmes qui analyseraient (suite à un test ADN) les interactions entre votre métabolisme et les nutriments que vous ingérez, afin de déterminer les aliments que vous devriez consommer – et ceux que vous ne devriez pas manger, ceux qui se trouvent évidemment être, bien souvent, ceux que vous n’aimez pas.

De nombreuses études, ces dernières années ont montré que chacun est unique, et que nous possédons tous un métabolisme spécifique, qui réagit différemment à la nourriture. C’est ce qui explique pourquoi, si vous effectuez un régime en même temps que votre conjoint, ce dernier perdra peut-être plus de poids que vous, alors que vous mangez ensemble, rigoureusement, les mêmes aliments depuis des mois. Et c’est ce qui explique aussi pourquoi la plupart des régimes ne fonctionnent pas.

Depuis environ 7 ou 8 ans, tandis que nous avons de plus en plus accès à nos informations génétiques, des chercheurs étudient la relation entre nos gènes et notre alimentation, au sein d’une discipline baptisée « nutrigénomique« , ou « génomique nutritionnelle ».  Au moyen de la génétique et de la bioinformatique, cette science a pour objectif de prévenir des pathologies comme le diabète et les maladies cardiovasculaires. Celles-ci sont souvent associées à l’obésité et au surpoids, qui sont en recrudescence en raison de la mal-bouffe et de la sédentarité – des phénomènes qui indiquent que nous menons un mode de vie qui ne correspond plus au patrimoine génétique hérité de nos ancêtres.

 

« Deep Medicine »

 Pour les scientifiques, la nutrigénomique est un moyen « d’optimiser la prévention » en proposant à chaque individu un « apport nutritionnel personnalisé » – donc un régime alimentaire individualisé, correspondant précisément à son métabolisme. « L’idée est de manger en fonction de son génome », résumait en 2012 Walter Wahli, spécialiste en endocrinologie moléculaire et chercheur au Centre Intégratif de Génomique de l’Université de Lausanne.

Sept ans plus tard, les recherches ont progressé dans ce domaine, et des entreprises commercialisent désormais des solutions de nutrogénomique, censées nous aider à déterminer les aliments à consommer ou non. « Contre rémunération, ils prélèvent un échantillon de votre salive et vous fournissent une description rudimentaire de votre génome », écrit Eric Topol, cardiologue et professeur de médecine moléculaire à l’université de Cleveland, dans son essai intitulé « Deep Medicine« . Des sociétés comme Habit, embodyDNA et GenetiConcept suggèrent ainsi des repas, des listes d’aliments et des exercices plus ou moins adaptés aux prédispositions génétiques, sur la base de tests ADN salivaires. D’autres, comme Viome, séquencent le génome des selles (microbiote) afin d’identifier les souches de micro-organismes présentes dans l’intestin, et de suggérer un régime individualisé.

Au Canada, Nutrigenomix, lancé par des chercheurs de l’Université de Toronto, propose également des « tests génétiques nutritionnels » (45 gènes pour 300 $) afin de « permettre aux gens de découvrir comment ils métabolisent leurs aliments », afin d’adopter une « alimentation saine », via des « conseils nutritionnels » fournis en aval par des diététiciens, dans des cliniques partenaires. Outre le fait de maigrir, il s’agit aussi d’éviter des maladies. Par exemple, les personnes qui présentent certaines variantes du gène CYP1A2 métabolisent lentement le café, ce qui les expose à un risque accru d’hypertension artérielle ou de crise cardiaque lorsque la consommation de caféine est élevée – les tests de Nutrigenomix servent dans ce cadre à leur apprendre que boire du café n’est pas bon pour eux.

Mais la nutrigénomique, malgré ses promesses, se révèle en fait peu efficace quand les données utilisées ne sont pas assez nombreuses. Dans le New-York Times, Eric Topol, qui est aussi vice-président exécutif de Scripps Research, un centre de recherche spécialisé dans les sciences biomédicales basé à San Diego, raconte avoir participé récemment à une expérience qui consistait à « utiliser une application pour smartphone pour faire le suivi de chaque morceau de nourriture que je mangeais, de chaque boisson que je buvais et de chaque médicament que je prenais, ainsi que de la quantité de sommeil et d’exercice que je faisais ». Un capteur surveillait son taux de glycémies, et le scientifique a aussi envoyé un échantillon de ses selles (pour une analyse de sa flore intestinale) à l’entreprise Day Two, fondée par deux chercheurs israéliens spécialisés dans les interactions entre les aliments et les gènes.

« Toutes mes données, accumulées avec des données similaires provenant de plus d’un millier d’autres personnes, ont été analysées par une IA pour créer un algorithme diététique personnalisé. Le but était de savoir quel type d’aliments je devrais manger pour vivre plus longtemps et en meilleure santé », raconte Eric Topol. Au final, le chercheur a découvert, parmi une liste de 100.000 aliments et boissons reliées à des « prévisions de glycémie », que la plupart des denrées « bien notées » étaient des aliments auxquels il ne s’attendait pas du tout, comme un cheesecake et des fraises, plutôt que des hamburgers végétariens et des pamplemousses. Et pour cause, puisque, indique-t-il, nombre de recherches récentes, qui ont pu analyser « de grands ensembles » de données, « nous ont appris à quel point l’hypothèse d’un régime alimentaire universel, qui serait bon pour tout le monde, est simpliste et naïve. Elle est à la fois biologiquement et physiologiquement invraisemblable, car elle contredit la remarquable hétérogénéité du métabolisme humain, du microbiote et de l’environnement, pour ne citer que quelques-unes des dimensions qui rendent chacun de nous uniques. » Ainsi, ce qui rend l’un mince et en bonne santé peut avoir l’effet inverse sur un autre, et il ne faudrait surtout pas négliger le « contexte génétique ».

L’ADN et l’IA pour mieux manger ?

Mais Eric Topol nuance très vite ses propos, en prévenant que les entreprises et les labos qui développent des solutions de régimes personnalisés via la nutrigénomique n’ont en fait pas encore assez de données pour que leurs propres conseils soient 100 % fiables – malgré l’apparente pertinence de leurs analyses. « Pour élaborer un régime alimentaire vraiment personnalisé, il faudrait rassembler des milliards de données sur chaque personne. En plus d’analyser les 40 billions de bactéries provenant d’environ 1000 espèces qui résident dans nos entrailles, comme l’a fait le projet auquel j’ai participé, il faudrait tenir compte de tous les aspects de la santé de cette personne, y compris son mode de vie, ses antécédents familiaux, ses conditions médicales, son système immunitaire, son anatomie, sa physiologie, ses médicaments et son environnement. Il faudrait pour cela développer une intelligence artificielle plus sophistiquée que tout ce qui existe encore sur le marché », affirme le cardiologue.

Dans le Wall Street Journal, José M. Ordovás, chercheur en nutrigénomique et directeur du Nutrition and Genomics Laboratory à l’université Tufts de Boston, rappelle en outre que la science génétique est « trop jeune pour fournir des conseils nutritionnels.  Nous avons encore un long chemin à parcourir dans le développement d’outils pratiques », explique-t-il. Autrement dit, la nutrigénomique a besoin de l’IA et du Big Data pour être vraiment efficace. Car, indique le scientifique, pour le moment, les tests génétiques nutritionnels existants « ne portent que sur une poignée de gènes, ce qui ne suffit pas à orienter les décisions alimentaires ». Il faudrait, pour proposer véritablement un régime alimentaire individualisé et donner des conseils en diététique, pouvoir analyser des milliers de gènes (pour rappel, le génome humain en compte 25.000).

En France, la startup Foodvisor a développé une solution intéressante de « coaching nutritionnel », destinée à pallier les limites des applications qui proposent d’enregistrer les aliments ingérés quotidiennement, et de compter les calories. Elle utilise la reconnaissance d’images et des algorithmes de Machine Learning, afin de proposer une appli via laquelle vous suivez votre alimentation (avec « des informations nutritionnelles », et des « conseils personnalisés de diététiciens ») en prenant simplement en photo le contenu de votre assiette. L’IA apprend à déterminer avec précision ce que l’utilisateur mange, et lui évite ainsi le laborieux enregistrement manuel des données, ainsi que l’utilisation peu fiable de « journaux » alimentaires. Mais comme le note Eric Topol, « il s’agit là d’un seul type de données ». Et ce que nous devrions faire, pour pouvoir suivre les conseils d’un « coach en santé virtuel » capable réellement de se « renseigner en profondeur » sur nos « paramètres de santé » et de nous fournir des recommandations alimentaires personnalisées, ce serait d’extraire « de multiples types de données – activité, sommeil, niveau de stress, médicaments, génome, microbiome et glucose », à partir de « multiples dispositifs, comme des patchs et des montres intelligentes ». Selon le chercheur, un tel système serait « tout à fait faisable » au moyen « d’algorithmes avancés ».

Reste à avoir qui va « labelliser » les innombrables tests possibles… Et s’il n’y aura pas de risques. Car, note Eric Topol, proposer les mauvais aliments à une personne « présentant certains risques ou antécédents » pourrait être dangereux. « J’ai eu deux crises de calculs rénaux. Pour en éviter une troisième, je dois éviter les aliments riches en oxalate, une molécule naturellement présente en abondance dans les plantes. Mais si vous regardez les recommandations que l’on m’a fourni pour mon régime personnalisé, beaucoup d’aliments – comme les noix et les fraises – sont riches en oxalate. Il s’agit d’un gros malentendu, car mes conditions médicales préexistantes n’étaient pas prises en compte par le test », explique le cardiologue.

Laisser un algorithme nous dire comment manger peut être séduisant : après tout, la puissance du Big Data (des données génomiques, dans notre histoire) et de l’IA pourrait se révéler une alliée précieuse pour notre santé, et pour nous aider à manger différemment – et pas forcément comme nous l’aurions imaginé. Mais manger en suivant les conseils d’un système informatique (et pourquoi pas, un jour, un compagnon robot ?) pourrait aussi s’avérer particulièrement… triste. Car comme le souligne Eric Topol, la majorité des aliments qui lui ont été recommandés par Day Two étaient des aliments qu’il n’aimait pas manger. « Dans la plupart des cas, les aliments fortement recommandés, comme les danoises au fromage, étaient ceux que je n’aimais pas vraiment, tandis que ceux mal notés, comme le melon et la courge au four, étaient généralement parmi mes plats préférés. Si je voulais éviter les pics de glucose, je devrais ainsi faire de gros sacrifices dans mon alimentation », explique-t-il. Dans cette optique, pas de place pour l’imprévu et les petits plaisirs gustatifs improvisés. Avouez que cela manquerait quand même de piquant, non ?

à lire aussi

Source : https://www.cnetfrance.fr/news/demain-des-regimes-personnalises-grace-a-l-ia-et-la-nutrigenomique-39882073.htm#xtor=RSS-300021