Forskere opretter AI-baseret model til forudsigelse af hjernens alder

Forskere ved Radiological Society of North America har udviklet en kunstig intelligens (AI)-baseret model til forudsigelse af hjernens alder, der kan kvantificere afvigelser fra en sund hjernens aldringsbane hos patienter med mild kognitiv impairment. 

Studiet blev offentliggjort i juni i Radiology: Artificial Intelligence.

Tidlig opdækning af kognitiv impairment

Ifølge forskerne kan modellen bruges til at hjælpe med tidlig opdækning af kognitiv impairment. 

Personer, der lider af amnestisk mild kognitiv impairment (aMCI), en overgangsfas fra normal aldring til Alzheimers sygdom, har hukommelsesmæssige defekter, der er mere alvorlige end det normale for deres alder og uddannelse. Men det er ikke alvorligt nok til at påvirke deres daglige funktion. 

Studiet omfattede Ni Shu, Ph.D., fra State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University, i Beijing, Kina, samt andre kollegaer. 

Holdet anvendte en maskinelæringsmetode til at træne en model til forudsigelse af hjernens alder, der var baseret på T1-vægtede MR-billeder af 974 raske voksne i alderen 49,3 til 95,4 år. 

Den trænede model blev derefter anvendt til at estimere den forventede aldersforskel for aMCI-patienter i datasæt fra Beijing Aging Brain Rejuvenation Initiative, der omfattede 616 raske kontroller og 80 aMCI-patienter, og Alzheimer’s Disease Neuroimaging Initiative, der omfattede 589 raske kontroller og 144 aMCI-patienter.

Dertil så holdet også på associationerne mellem den forventede aldersforskel og kognitiv impairment, genetiske risikofaktorer, patologiske biomarkører for Alzheimers og klinisk progression hos aMCI-patienter.  

Studiets resultater

Studiets resultater viste, at aMCI-patienter havde hjernens aldringsbaner, der adskilte sig fra den typiske normale aldringsbane. Den foreslåede model til forudsigelse af hjernens alder ville være i stand til at kvantificere enkeltindividuelle afvigelser fra denne normale bane. 

Holdet fandt også, at den forventede aldersforskel var stærkt forbundet med enkeltindividuel kognitiv impairment hos aMCI-patienter i domæner som hukommelse, opmærksomhed og eksekutiv funktion. 

“Den predictive model, vi genererede, var meget præcis til at estimere kronologisk alder hos raske deltagere baseret på kun udseendet af MRI-scannerne,” sagde artiklen. “Til gengæld for aMCI, estimerede modellen hjernens alder til at være mere end 2,7 år ældre i gennemsnit end patientens kronologiske alder.”

Modellen viste også, at progressive aMCI-patienter lider af mere afvigelser fra den typiske normale aldring end stabile aMCI-patienter. Gennem brugen af værktøjer som den forventede aldersforskel-score og biomarkører for Alzheimers, kan aMCI-patienters progression forbedres. 

Ved at kombinere den forventede aldersforskel med andre biomarkører for Alzheimers, kan den bedste præstation for at differentiere mellem progressiv aMCI og stabil aMCI opnås. 

“Dette arbejde indikerer, at den forventede aldersforskel har potentialet til at være en robust, pålidelig og computeriseret biomarkør for tidlig diagnose af kognitiv impairment og overvågning af respons til behandling,” sagde forfatterne.