科技日報記者 張佳欣
大腦衰老速度越快，認知障礙的風(fēng)險就越高。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)防和治療認知衰退及癡呆癥的強大工具。相關(guān)論文24日發(fā)表在《美國國家科學(xué)院院刊》上。
由于身體機能和組織在細胞層面上的衰老程度不同，兩個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胞中取樣。而非侵入性方法，是從單個時間點的一個MRI掃描中，估計與年齡相關(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間老化的程度。該模型在3000多名認知正常成年人的MRI掃描數(shù)據(jù)上進行了訓(xùn)練和驗證。
與傳統(tǒng)方法不同，這種縱向方法比較了來自同一個體的基線MRI掃描和隨訪MRI掃描。它能夠更準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名認知健康的成年人和140名阿爾茨海默病患者時，其計算出的大腦衰老速度與兩個時間點進行的認知功能測試中的變化密切相關(guān)。這些測量結(jié)果與認知測試結(jié)果的一致性表明，該模型可作為神經(jīng)認知衰退的早期生物標志物。此外，它還證明了在認知正常個體和認知障礙個體中的適用性。
