Des chercheurs chinois ont développé un modèle d’IA capable de distinguer, à partir de paramètres sanguins courants, des personnes présentant une perte auditive liée à l’âge.
Une prise de sang pourrait-elle un jour contribuer au repérage des personnes à risque de presbyacousie ? C’est la piste explorée par des chercheurs chinois dans une étude publiée cet été dans la revue Diagnostics*. Son objectif : déterminer si des paramètres biologiques couramment mesurés peuvent, lorsqu’ils sont combinés par un algorithme de machine learning, contribuer à identifier les personnes présentant une presbyacousie.
Les scientifiques ont utilisé les données de la cohorte américaine NHANES et ont sélectionné 542 participants : 271 classés dans le groupe « presbyacousie» et 271 témoins. Pour être inclus dans le premier échantillon, les participants devaient avoir au moins 60 ans et présenter une moyenne des seuils auditifs tonals bilatéraux d’au moins 30 dB HL (les participants présentant certaines causes non liées à l’âge ont été exclus).
L’équipe a testé 113 combinaisons d’algorithmes avant de retenir le modèle présentant les meilleures performances. Celui-ci repose sur 9 paramètres biologiques usuels. L’analyse permettant d’interpréter le poids des différentes variables place en tête l’hémoglobine glyquée (HbA1c), le volume globulaire moyen (VGM) et la glycémie. Les auteurs observent également des interactions impliquant les triglycérides, les monocytes, l’albumine, l’acide urique ou encore l’ASAT.
L’ensemble des résultats renforce l’hypothèse selon laquelle le vieillissement auditif pourrait s’inscrire dans des phénomènes systémiques plus larges, en particulier métaboliques, inflammatoires et nutritionnels. Mais l’étude ne démontre pas qu’une prise de sang puisse prévoir chez une personne normo-entendante l’apparition future d’une presbyacousie. Les données NHANES utilisées sont essentiellement transversales : les biomarqueurs sanguins et le statut auditif sont observés chez des personnes déjà classées avec ou sans perte auditive. Le modèle apprend donc avant tout à distinguer deux groupes existants à partir de leur profil biologique. Une véritable démonstration prédictive nécessiterait de suivre prospectivement des personnes initialement indemnes et de vérifier si leur profil sanguin permet d’anticiper celles qui développeront ultérieurement une perte auditive.
Les chercheurs présentent donc leur modèle comme un possible outil futur de présélection et de stratification du risque en population, et non comme un test diagnostique. Leurs travaux rejoignent une autre étude publiée en août 2025 dans iScience. À partir d’expériences sur l’oreille interne de souris puis de données de métabolomique plasmatique de la UK Biobank, ses auteurs ont mis en évidence plusieurs signatures métaboliques associées à la perte auditive liée à l’âge. L’étude humaine comprenait 6 289 participants. Des concentrations plus élevées en acides gras oméga-6, acide linoléique, glycine et albumine étaient associées à une moindre probabilité de perte auditive, tandis que les acides aminés à chaîne ramifiée, la tyrosine, la créatinine, GlycA et l’urée étaient associés au risque plus élevé. Là encore, il s’agit d’associations et non de biomarqueurs utilisables aujourd’hui en pratique clinique.
La combinaison de données biologiques et de l’IA pourrait, si ces résultats sont confirmés prospectivement et sur de larges populations, contribuer un jour à identifier plus tôt les personnes chez lesquelles une surveillance auditive renforcée serait pertinente.
