AI导读:

南加州大学开发了一种新的人工智能模型,可通过分析磁共振成像扫描,以非侵入性方式追踪大脑老化速度,有望成为理解、预防和治疗认知衰退及痴呆症的强大工具。该模型基于3000多名认知正常成年人的MRI扫描数据进行训练和验证,为神经认知衰退的早期生物标志物提供了新手段。

大脑衰老速度与认知障碍风险紧密相连。近日,美国南加州大学推出了一种创新的人工智能(AI)模型,该模型通过解析磁共振成像(MRI)扫描,实现非侵入式大脑老化速度追踪,有望为认知衰退及痴呆症的理解、预防和治疗提供有力支持。相关研究成果已发表于《美国国家科学院院刊》。

人体机能和组织的衰老程度在细胞层面存在个体差异,即使出生日期相同,两人的生物年龄也可能大相径庭。传统生物年龄测定方法,如通过血液样本测量DNA甲基化水平以评估表观遗传老化程度,却难以直接反映大脑中的甲基化及其他衰老相关过程。鉴于无法直接从活人大脑细胞中取样,非侵入性方法虽能从单个时间点的MRI扫描中估计与年龄相关的大脑轨迹横截面,但存在明显局限性。

新研发的三维卷积神经网络(3D-CNN)技术为测量大脑随时间老化程度提供了更为精确的手段。该模型基于3000多名认知正常成年人的MRI扫描数据进行训练和验证。

不同于传统方法,这种纵向方法通过比较同一个体在不同时间点的MRI扫描,能更准确地识别与衰老加速或减缓相关的神经解剖学变化。此外,3D-CNN还能生成可解释的“显著性图”,明确指示在确定衰老速度方面至关重要的特定大脑区域。

当该模型应用于104名认知健康的成年人和140名阿尔茨海默病患者时,其计算出的大脑衰老速度与两个时间点进行的认知功能测试中的变化高度相关。这些测量结果与认知测试结果的一致性,验证了该模型作为神经认知衰退早期生物标志物的潜力。同时,该模型在认知正常个体和认知障碍个体中的适用性也得到了证明。

(文章来源:科技日报)