南加州大学（USC）的科学家们开发了一种人工智能（AI）模型，他们表示，这一模型可以帮助科学家更好地理解、预防和治疗认知衰退和痴呆症。
这种首创的三维卷积神经网络（3D-CNN）工具可以非侵入性地分析个体患者的磁共振成像（MRI）扫描，以跟踪随时间的大脑变化并测量大脑衰老的速度——即 P 值。更快的大脑衰老与更高的认知障碍风险密切相关，南加州大学伦纳德·戴维斯老年学学院的老年学、生物医学工程、定量与计算生物学及神经科学副教授安德烈·伊里米亚博士（Andrei Irimia, PhD）指出。“这是一种新颖的测量方法，可能会改变我们在实验室和临床中追踪大脑健康的手段。了解大脑衰老的速度可能非常有力量。”
伊里米亚是这项研究的资深作者，该研究发表在《美国国家科学院院刊》上，描述了新模型及其预测能力。在题为“深度学习量化大脑衰老速度与神经认知变化关系”的报告中，伊里米亚和他的同事总结道：“这项研究补充了现有的阿尔茨海默病风险评估策略，这些策略估计个体随着年龄增长的认知功能恶化率。”
生物年龄（BA）与个体的生理年龄（CA）不同，伊里米亚说。两个出生日期相同的人可能有不同的生物年龄，这取决于他们的身体功能状况以及细胞水平上的组织老化程度。“绘制大脑衰老速度 P 可以帮助识别异常的神经衰老速率，这些速率可能反映神经退行性疾病的风险。”团队指出，“虽然神经退行性疾病的风险随生理年龄（CA）增加，但生物衰老在细胞、组织、器官和个人之间有所不同。”
一些常见的生物年龄测量方法使用血液样本测量表观遗传衰老和DNA甲基化，后者影响基因在细胞中的作用。然而，从血液样本测量生物年龄对于测量大脑年龄来说并不是一个好策略。大脑与血液之间的屏障阻止了血细胞进入大脑，因此手臂的血液样本不能直接反映大脑中的甲基化和其他与衰老相关的进程。相反，直接从患者的大脑取样是一个更具侵入性的程序，无法直接从活人的脑细胞中测量DNA甲基化和其他方面的大脑衰老。
伊里米亚及其同事之前的研究所强调了MRI扫描在非侵入性测量大脑生物年龄方面的潜力。早期模型使用AI分析将患者的脑解剖结构与来自数千个不同年龄和认知健康结果的MRI扫描数据进行比较。
然而，仅通过一次MRI扫描来估计脑年龄的横断面性质存在重大局限性。例如，早期模型可以判断患者的脑比其日历年龄老十岁，但无法提供额外的衰老是在其生命早期还是晚期发生的，也无法表明脑衰老是否正在加速。
由南加州大学维特比工程学院电气和计算机工程副教授、Jack Munushian早期职业主席保罗·博格丹博士（Paul Bogdan, PhD）合作创建的新3D-CNN提供了更精确的方法，通过分析同一患者不同时点的MRI扫描来测量大脑随时间的衰老情况。与传统的单次扫描估计脑年龄的横断面方法不同，新的纵向模型（LM）比较了同一患者的基线和随访MRI扫描，从而更准确地确定与加速或减缓衰老相关的神经解剖变化。
研究人员首先在3000多个认知正常（CN）成年人的MRI扫描上训练和验证了该模型。当应用于一组104名认知健康的成年人和140名阿尔茨海默病患者时，新模型计算出的大脑衰老速度与两个时间点的认知功能测试变化密切相关。3D-CNN还生成可解释的“显著图”，这些图指出了对确定衰老速度最重要的特定脑区，博格丹说。“这些措施与认知测试结果的一致性表明，该框架可能作为神经认知衰退的早期生物标志物。此外，它展示了在认知正常个体和认知受损者中的适用性。”
博格丹进一步评论说，该模型有可能更好地描述健康老龄化和疾病轨迹，并且其预测能力未来可用于评估哪些治疗基于个体特征更为有效。“估算的 P 值与认知功能变化显著相关，表明其在监测神经退行期间异常脑衰老率方面的效用，”科学家们指出。“大脑衰老速度与认知功能变化显著相关，”伊里米亚指出。“因此，如果你的大脑衰老速度快，那么你认知功能退化的速度也可能会更快，包括记忆、执行速度、执行功能和处理速度。这不仅是解剖学测量；我们看到的解剖变化与这些个体的认知变化有关。”
在研究中，伊里米亚及其合著者注意到新模型能够区分大脑不同区域的衰老速率差异。深入探讨这些差异——包括它们如何因遗传、环境和生活方式因素而异——可能会揭示不同病理在大脑中发展的机制，伊里米亚说。
研究还表明，某些脑区的大脑衰老速度在性别之间存在差异，这可能解释了男性和女性在神经退行性疾病风险上的不同，包括阿尔茨海默病，他补充道。“通过结合LM与可解释的CNN显著图方法，我们绘制了根据性别、生命十年和神经认知状态不同的区域性脑衰老速率的解剖变异，”研究人员指出。“LM估计的 P 值与各领域认知功能变化显著相关。这突显了LM以捕捉神经解剖和神经认知衰老之间关系的方式估算 P 的能力。”
伊里米亚表示，他也很期待新模型能够在认知障碍症状出现之前识别出大脑衰老速度较快的人群。尽管针对阿尔茨海默病的新药物已经推出，但其疗效低于研究人员和医生的预期，部分原因可能是患者开始用药时大脑中已经存在大量阿尔茨海默病病理，他解释说。“个别定制的降低 P 策略可以延长健康寿命并维持随年龄下降的功能，”团队总结道。
“我的实验室非常感兴趣的是估计阿尔茨海默病的风险；我们希望有一天能够说，‘现在看来这个人有30%的阿尔茨海默病风险，’”伊里米亚说。“我们还没有达到这个目标，但我们正在努力。我认为这种测量将有助于产生具有预测性的变量，帮助预测阿尔茨海默病风险。这将非常强大，尤其是在我们开始开发预防药物的时候。”
(全文结束)
