Popular science work
大腦衰老速度越快，認(rèn)知障礙的風(fēng)險(xiǎn)就越高。美國南加州大學(xué)開發(fā)了一種新的人工智能（AI）模型。這一首創(chuàng)工具可通過分析磁共振成像（MRI）掃描，以非侵入性方式追蹤大腦老化速度，并可能成為理解、預(yù)防和治療認(rèn)知衰退及癡呆癥的強(qiáng)大工具。相關(guān)論文24日發(fā)表在《美國國家科學(xué)院院刊》上。
由于身體機(jī)能和組織在細(xì)胞層面上的衰老程度不同，兩個(gè)出生日期相同的人可能會有非常不同的生物年齡。一些常見的生物年齡測量方法，會使用血液樣本來測量表觀遺傳老化程度的DNA甲基化水平，但這并不能直接反映大腦中的甲基化和其他與衰老相關(guān)過程。人們無法直接從活人的大腦細(xì)胞中取樣。而非侵入性方法，是從單個(gè)時(shí)間點(diǎn)的一個(gè)MRI掃描中，估計(jì)與年齡相關(guān)的大腦軌跡的橫截面，存在很大局限性。
新開發(fā)的三維卷積神經(jīng)網(wǎng)絡(luò)（3D-CNN）提供了一種更精確的方法來測量大腦隨時(shí)間老化的程度。該模型在3000多名認(rèn)知正常成年人的MRI掃描數(shù)據(jù)上進(jìn)行了訓(xùn)練和驗(yàn)證。
與傳統(tǒng)方法不同，這種縱向方法比較了來自同一個(gè)體的基線MRI掃描和隨訪MRI掃描。它能夠更準(zhǔn)確地確定與加速或減緩衰老相關(guān)的神經(jīng)解剖學(xué)變化。3D-CNN還生成可解釋的“顯著性圖”，指示在確定衰老速度方面最重要的特定大腦區(qū)域。
將該模型用于104名認(rèn)知健康的成年人和140名阿爾茨海默病患者時(shí)，其計(jì)算出的大腦衰老速度與兩個(gè)時(shí)間點(diǎn)進(jìn)行的認(rèn)知功能測試中的變化密切相關(guān)。這些測量結(jié)果與認(rèn)知測試結(jié)果的一致性表明，該模型可作為神經(jīng)認(rèn)知衰退的早期生物標(biāo)志物。此外，它還證明了在認(rèn)知正常個(gè)體和認(rèn)知障礙個(gè)體中的適用性。
