你的腦齡多大了？

人類的大腦掌握著許多關于一個人長期健康的線索。事實上，研究表明，一個人的大腦年齡是一個比他們的出生日期更有用和更準確的健康風險和未來疾病的預測因素。

《科學博客》

【資料圖】

2023年1月7日消息

現在，由南加州大學（University of Southern California，USC）研究人員開發的一種新的人工智能（AI）模型可以分析磁共振成像（MRI）腦部掃描，可以用于準確捕捉與阿爾茨海默病等神經退行性疾病相關的認知能力下降，比以往的方法更早。

腦老化被認為是神經退行性疾病風險的可靠生物標志物。當一個人的大腦表現出比同齡人預期的更“老”的特征時，這種風險就會增加。通過利用該團隊新型人工智能模型的深度學習能力來分析掃描結果，研究人員可以檢測出微妙的大腦解剖標記，這些標記在其他情況下很難檢測到，并且與認知能力下降相關。他們的研究結果近日發表在《美國國家科學院院刊》（Proceedings of the National Academy of Sciences，PNAS）上， 讓我們對人類認知有了前所未有的了解。

研究于2023年1月3日發表在《Proceedings of the National Academy of Sciences》（最新影響因子：12．779）雜志上

“我們的研究利用深度學習的力量來識別大腦中正在衰老的區域，這些區域反映了可能導致阿爾茨海默病的認知能力下降，” USC 倫納德·戴維斯老年醫學學院（Leonard Davis School of Gerontology）的老年學、生物醫學工程、定量和計算生物學和神經科學助理教授、該研究的通訊作者 Andrei Irimia 說。

“人們衰老的速度不同，身體組織類型也不同。當我們說“某某人四十歲，但看起來像三十歲”時，我們就知道這一點。同樣的想法也適用于大腦。40 歲的人的大腦看起來可能像 30 歲的人的大腦一樣‘年輕’，也可能像 60 歲的人一樣‘老’?！?/p>

一種比現有方法更準確的替代方法

Irimia 和他的團隊整理了 4，681 名認知正常的參與者的大腦磁共振成像，其中一些人在晚年出現了認知能力下降或阿爾茨海默病。

利用這些數據，他們創建了一個名為神經網絡的人工智能模型，通過參與者的大腦磁共振成像來預測他們的年齡。首先，研究人員訓練該網絡生成詳細的大腦解剖圖，以揭示特定的衰老模式。然后，他們將研究參與者的感知（生物學）大腦年齡與實際（時序）年齡進行了比較。兩者之間的差異越大，參與者的認知評分就越差，這反映了阿爾茨海默病的風險就越高。

結果表明，該團隊的模型可以預測認知正常參與者的真實年齡（實足年齡），平均絕對誤差為 2．3 年，這比現有的使用不同神經網絡架構的腦年齡估算模型要準確大約一年。

“可解讀的人工智能可以成為評估阿爾茨海默病和其他神經認知疾病風險的強大工具，” Irimia 說，他還在 USC Viterbi 工程學院和 USC Dornsife 文理學院擔任教職，“我們越早識別出阿爾茨海默病的高危人群，臨床醫師就能越早對治療方案、監測和疾病管理進行干預。人工智能的強大之處在于它能夠捕捉到其他方法無法捕捉到的微妙和復雜的衰老特征，這是在一個人患病多年前識別其風險的關鍵?！?/p>

大腦的年齡因性別而異

新模型還揭示了不同大腦區域的性別差異。男性大腦的某些部分比女性衰老得更快，反之亦然。

男性更容易因帕金森病而出現運動障礙，他們的大腦運動皮層（負責運動功能的區域）衰老得更快。研究結果還表明，在女性中，典型的衰老可能在右腦相對較慢。

一個新興的研究領域顯示了個性化醫療的前景

這項工作的應用范圍遠遠超出了疾病風險評估。Irimia 設想了這樣一個世界：作為研究的一部分開發的新型深度學習方法可以幫助人們了解自己的總體衰老速度。

Irimia 說：“我們的工作最重要的應用之一是，它有可能為針對每個人獨特的衰老模式的定制干預措施鋪平道路?！?/p>

“很多人會對自己的真實衰老速度感興趣。這些信息可以為我們提供有關不同生活方式改變或干預措施的線索，人們可以采取這些措施來改善他們的整體健康和福祉。我們的方法可以用來設計以患者為中心的治療計劃和個性化的大腦衰老地圖，這些可能會讓有不同健康需求和目標的人感興趣?！?/p>

創立于1880年的南加州大學

參考文獻

Source：Universityof Southern California

How old is your brain， really？ AI－poweredanalysis accurately reflects risk of cognitive decline and Alzheimer’s diseasebased on brain age

Reference：

Yin C， Imms P， Cheng M， Amgalan A，Chowdhury NF， Massett RJ， Chaudhari NN， Chen X， Thompson PM， Bogdan P， IrimiaA； Alzheimer’s Disease Neuroimaging Initiative． Anatomically interpretable deeplearning of brain age captures domain－specific cognitive impairment． Proc NatlAcad Sci U S A． 2023 Jan 10；120（2）：e2214634120． doi： 10．1073／pnas．2214634120．Epub 2023 Jan 3． PMID： 36595679．

免責聲明

本公眾號上的醫療信息僅作為信息資源提供與分享，不用于或依賴于任何診斷或治療目的。此信息不應替代專業診斷或治療。在做出任何醫療決定或有關特定醫療狀況的指導之前，請咨詢你的醫生。

關鍵詞： 阿爾茨海默病 人工智能 認知能力