Dans une maison des miroirs, on s'approche d'une glace déformante et l'on se voit tantôt nain, tantôt géant. Les modèles d'apprentissage automatique populaires font à peu près pareil quand on leur demande de deviner l'âge biologique à partir d'analyses sanguines ou d'images cérébrales : ils étirent l'âge sur les bords, le sous-estimant chez les personnes âgées et le surestimant chez les jeunes. Ce biais n'est pas une erreur aléatoire, c'est une distorsion systématique, inscrite dans la logique même de l'apprentissage. Le modèle apprend sur l'âge chronologique, qui sert de substitut au véritable âge biologique, parce que celui-ci n'est pas observable ; résultat, les prédictions se compriment vers la moyenne, comme un élastique que l'on tire par les deux bouts.
Les auteurs de l'étude ont formalisé ce biais et proposé une méthode de régression non biaisée (UMLR), qui ajoute deux contraintes au moment de l'apprentissage : les prédictions moyennes de deux sous-groupes, séparés selon l'âge, doivent coïncider avec les moyennes réelles. C'est un peu comme calibrer un miroir sur deux points pour qu'il ne déforme plus les proportions. Dans les simulations, la méthode a supprimé le biais, même si l'erreur quadratique moyenne a augmenté et le coefficient de détermination diminué : c'est le prix de l'honnêteté.
Une vérification sur des données indépendantes l'a confirmé : chez les modèles classiques, la pente du biais était d'environ 0.5–0.7, alors que celle de l'UMLR était proche de 1.0. Autrement dit, beaucoup d'associations publiées entre vieillissement accéléré et maladies pourraient bien être un artefact du biais plutôt qu'un signal biologique. La méthode est d'ores et déjà applicable à la construction de n'importe quelle horloge du vieillissement, pour obtenir des estimations correctes de l'âge biologique et des associations dans les études épidémiologiques et cliniques.
Revenons dans la maison des miroirs. Une glace déformante nous amuse, tant que nous savons qu'elle est déformante. Mais si nous prenions son reflet pour la réalité, nous tirerions des conclusions erronées sur notre propre corps. Il en va de même des horloges du vieillissement : avant de leur faire confiance, il faut s'assurer qu'elles ne mentent pas aux extrémités de la plage de valeurs. Sinon, nous risquons de confondre vieillissement accéléré et régression vers la moyenne, et les recommandations médicales se retrouveraient inversées, comme dans un miroir.
Dans le cas de l'âge cérébral, les modèles biaisés affirmaient que les personnes ayant une meilleure fonction cognitive voyaient leur cerveau vieillir plus vite, alors que les modèles non biaisés disaient l'inverse. Un même jeu de données conduisait à des recommandations médicales opposées selon que l'on corrigeait ou non le biais.
Dans la série « Altered Carbon », l'âge biologique peut être séparé de l'âge chronologique grâce à la technologie, mais même là, l'estimation de l'âge du cortex cérébral souffre d'erreurs systématiques si l'algorithme n'est pas calibré. Ce travail rappelle qu'avant de faire confiance aux « horloges du vieillissement », il faut s'assurer qu'elles ne mentent pas aux extrémités de la plage.
Non publié sur arXiv. Voici sa page, le PDF et la formalisation : vous pouvez vérifier vous-même, pas seulement lire notre analyse.