一种新的AI模型可以测量患者的大脑衰老速度，并可能成为理解、预防和治疗认知衰退和痴呆症的强大新工具，南加州大学（USC）的研究人员表示。
该工具首次能够通过分析磁共振成像（MRI）扫描非侵入性地追踪大脑变化的速度。南加州大学老年学伦纳德戴维斯学院的老年学、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（Andrei Irimia），同时也是伦敦国王学院心理医学的客座副教授指出，更快的大脑衰老与更高的认知障碍风险密切相关。
“这是一种新颖的测量方法，可能会改变我们在研究实验室和临床环境中跟踪大脑健康的方式。”他说，“了解一个人的大脑衰老速度可以非常有力量。”
伊里米亚是描述这一新模型及其预测能力的研究的资深作者；该研究于2025年2月24日发表在《美国国家科学院院刊》（Proceedings of the National Academy of Sciences）上。
生物学脑年龄与实际年龄的区别
伊里米亚解释说，生物学年龄不同于个人的实际年龄。两个出生日期相同的人可能由于身体机能和细胞水平上组织的“老化”程度不同而具有非常不同的生物学年龄。
一些常见的生物学年龄测量方法使用血液样本测量表观遗传老化和DNA甲基化，这会影响基因在细胞中的作用。然而，伊里米亚解释说，从血液样本测量生物学年龄并不是衡量大脑年龄的好策略。血脑屏障防止血液细胞进入大脑，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，直接从患者的脑部取样是一种更为侵入性的程序，使得无法直接从活体人类脑细胞中测量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表明，MRI扫描具有非侵入性测量大脑生物学年龄的潜力。早期模型使用AI分析将患者的脑解剖结构与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，他指出，这种横断面分析方法在估计大脑年龄时存在重大局限性。例如，虽然早期模型可以判断患者的大脑比其实际年龄“老”十年，但它无法提供这些额外的衰老是在生命早期还是晚期发生的，也无法说明大脑衰老是否正在加速。
更精确的大脑衰老图景
新开发的三维卷积神经网络（3D-CNN）提供了一种更精确的方法来测量大脑随时间的衰老过程。该模型由南加州大学维特比工程学院电气与计算机工程副教授、Jack Munushian早期职业主席保罗·博格丹（Paul Bogdan）合作创建，并在3000多个认知正常的成年人的MRI扫描上进行了训练和验证。
与传统的横断面方法不同，后者仅从单个时间点的扫描估计大脑年龄，这种纵向方法比较了同一个体的基础和随访MRI扫描。因此，它能更准确地确定与加速或减缓衰老相关的大脑解剖变化。3D-CNN还生成可解释的“显著性地图”，指示哪些特定脑区对于确定衰老速度最为重要，博格丹说。
当应用于104名认知健康的成年人和140名阿尔茨海默病患者时，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结果紧密相关。
“这些测量值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。”博格丹说。“此外，它证明了其在认知正常个体和认知障碍者中的适用性。”
他还补充说，该模型有可能更好地刻画健康衰老和疾病轨迹，并且其预测能力有一天可以用于评估基于个体特征的有效治疗方法。
伊里米亚说：“大脑衰老速度与认知功能变化密切相关。因此，如果大脑衰老速度快，那么认知功能下降的速度也可能较快，包括记忆力、执行速度、执行功能和处理速度。这不仅是解剖学上的测量；我们看到的解剖变化与这些个体的认知变化相关联。”
展望未来
在研究中，伊里米亚及其合著者还指出，新模型能够区分大脑不同区域的衰老速度差异。深入探讨这些差异——包括它们如何基于遗传、环境和生活方式因素变化——可以提供关于不同病理如何在大脑中发展的见解，伊里米亚说。
该研究还表明，某些脑区的衰老速度在性别之间存在差异，这可能有助于解释为什么男性和女性面临不同的神经退行性疾病风险，包括阿尔茨海默病。
伊里米亚表示，他非常期待新模型能够在认知障碍症状出现前识别出大脑衰老速度异常快的人群。尽管针对阿尔茨海默病的新药物已经问世，但它们的效果并未达到研究人员和医生的预期，可能是因为患者开始用药时，大脑中已经存在大量阿尔茨海默病病理变化，他解释道。
“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。’我们尚未实现这一目标，但我们正在努力。”伊里米亚说。“我认为这种测量将有助于产生预测变量，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时。”
(全文结束)
