你的大脑到底有多大了?人工智能分析准确反映了认知能力下降和阿尔茨海默病的风险

大脑
图片来源:Pixabay/CC0 Public Domain

人脑掌握着许多关于一个人长期健康状况的线索——事实上,研究表明,一个人的大脑年龄比他的出生日期更能准确预测健康风险和未来疾病。现在,由南加州大学研究人员开发的一种新的人工智能(AI)模型,可以分析磁共振成像(MRI)大脑扫描,可以用于比以前的方法更早地准确捕捉与阿尔茨海默氏症等神经退行性疾病相关的认知能力下降。

大脑衰老被认为是神经退行性疾病风险的可靠生物标志物。这种风险增加时,一个人表现出比同龄人预期的“更老”的特征。通过利用该团队新型AI模型的深度学习能力来分析扫描,研究人员可以检测到微妙的大脑解剖标记,否则很难检测到这些标记,并且与之相关.他们的研究结果发表在1月2日周二的杂志上美国国家科学院院刊,为人类认知提供了前所未有的一瞥。

老年学助理教授Andrei Irimia说:“我们的研究利用深度学习的力量来识别大脑中正在衰老的区域,这些区域反映了可能导致阿尔茨海默氏症的认知能力下降。”,定量的&南加州大学莱昂纳德·戴维斯老年医学学院的神经科学教授,也是这项研究的通讯作者。

“人们衰老的速度不同,身体组织类型也不同。我们口语化地说,‘某某四十岁,但看起来三十岁。同样的想法也适用于大脑。40岁的人的大脑可能看起来像30岁的人一样‘年轻’,也可能看起来像60岁的人一样‘老’。”

比现有方法更精确的替代方法

Irimia和他的团队整理了4681名认知正常的参与者的大脑核磁共振成像,其中一些人在晚年会出现认知能力下降或阿尔茨海默病。

利用这些数据,他们创建了一个人工智能模型通过大脑核磁共振成像来预测参与者的年龄。首先,研究人员训练该网络生成详细的大脑解剖图,以揭示特定主题的衰老模式。然后,他们将研究参与者的感知(生物)大脑年龄与实际(时间)年龄进行了比较。两者之间的差异越大,参与者的认知得分就越差,这反映了患老年痴呆症的风险

结果表明,该团队的模型可以预测认知正常参与者的真实(按时间顺序)年龄,平均绝对误差为2.3岁,比现有的获奖脑年龄估计模型(使用不同的神经网络架构)准确约1岁。

“可解释的人工智能可以成为评估阿尔茨海默病和其他神经认知疾病风险的强大工具,”Irimia说,他还在南加州大学维特比工程学院和南加州大学多恩西夫文理学院担任教职。“我们越早发现阿尔茨海默病的高风险人群,临床医生就能越早干预治疗方案、监测和疾病管理。人工智能的特别强大之处在于它能够捕捉到其他方法无法捕捉到的衰老的微妙和复杂特征,这是在一个人发病多年前识别其风险的关键。”

大脑的衰老因性别而异

新模型还揭示了大脑各区域衰老的性别差异。男性大脑的某些部位衰老得比女性快,反之亦然。

由于帕金森氏症,男性运动损伤的风险更高,大脑运动皮层(负责运动功能的区域)的衰老速度更快。研究结果还表明,在女性中,大脑右半球的典型衰老可能相对较慢。

一个新兴的研究领域显示出个性化医疗的前景

这项工作的应用范围远远超出了疾病风险评估。Irimia设想了这样一个世界,在这个世界里,作为研究的一部分开发的新型深度学习方法被用来帮助人们了解他们衰老的总体速度。

“我们的工作最重要的应用之一是,它有可能为量身定制的干预措施铺平道路,解决每个人独特的衰老模式,”Irimia说。

“很多人都想知道自己的真实衰老速度。这些信息可以给我们一些提示,让我们知道人们可以改变不同的生活方式或采取干预措施,以改善他们的整体健康和福祉。我们的方法可以用来设计以患者为中心的治疗计划和个性化的地图这可能会引起有不同健康需求和目标的人的兴趣。”

这项研究的作者包括南加州大学莱昂纳德·戴维斯老年学学院的菲比·伊姆斯、阿纳尔·阿加兰、Nahian F. Chowdhury、Roy J. Massett和Nikhil N. Chaudhari;南加州大学维特比工程学院的尹晨忠、程明曦、陈星河、保罗·m·汤普森和保罗·博格丹;以及阿尔茨海默病神经成像计划的同事们。

更多信息:陈忠殷等,解剖可解释的脑年龄深度学习捕获领域特异性认知障碍,美国国家科学院院刊(2023)。DOI: 10.1073 / pnas.2214634120
所提供的南加州大学
引用你的大脑到底有多大岁数了?人工智能分析准确反映了认知能力下降和阿尔茨海默病(2023,1月7日)的风险(2023年1月8日从//www.pyrotek-europe.com/news/2023-01-brain-ai-powered-analysis-accurately-cognitive.html检索)
这份文件受版权保护。除为私人学习或研究目的而进行的公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。

进一步探索

白质高强度负荷与大脑过早老化有关

117股票

对编辑的反馈