Forskare Skapar AI-baserad Modell för Hjärnåldersprediktion

Forskare vid Radiological Society of North America har utvecklat en AI-baserad modell för hjärnåldersprediktion som kan kvantifiera avvikelser från en hälsosam hjärnåldrande bana hos patienter med mild kognitiv nedsättning.

Studien publicerades i juni i Radiology: Artificial Intelligence.

Tidig Upptäckt av Kognitiv Nedsättning

Enligt forskarna kan modellen användas för att hjälpa till med tidig upptäckt av kognitiv nedsättning.

Personer som lider av amnestisk mild kognitiv nedsättning (aMCI), en övergångsfas från normal åldrande till Alzheimers sjukdom, har minnesförlust som är allvarligare än det normala för deras ålder och utbildning. Men det är inte tillräckligt allvarligt för att påverka deras dagliga funktion.

Studien innefattade Ni Shu, Ph.D., från State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University, i Beijing, Kina, tillsammans med andra kollegor.

Teamet använde en maskinlärningsansats för att träna en hjärnålderspredikitionsmodell, som baserades på T1-viktade MR-bilder av 974 friska vuxna i åldrarna 49,3 och 95,4 år.

Den tränade modellen tillämpades sedan för att uppskatta den förväntade åldersskillnaden för aMCI-patienter i datamängder från Beijing Aging Brain Rejuvenation Initiative, som inkluderade 616 friska kontroller och 80 aMCI-patienter, och Alzheimer’s Disease Neuroimaging Initiative, som inkluderade 589 friska kontroller och 144 aMCI-patienter.

Utöver detta undersökte teamet också sambanden mellan den förväntade åldersskillnaden och kognitiv nedsättning, genetiska riskfaktorer, patologiska biomarkörer för Alzheimers och klinisk progression hos aMCI-patienter.

Studiens Resultat

Studiens resultat visade att aMCI-patienter hade hjärnåldrande banor som skilde sig från den typiska normala åldrande banan. Den föreslagna hjärnålderspredikitionsmodellen kunde kvantifiera individuella avvikelser från denna normala bana.

Teamet fann också att den förväntade åldersskillnaden var starkt kopplad till individuell kognitiv nedsättning hos aMCI-patienter i områden som minne, uppmärksamhet och exekutiv funktion.

“Den prediktionsmodell vi genererade var mycket exakt vid uppskattning av kronologisk ålder hos friska deltagare baserat enbart på utseendet på MR-scans,” angav artikeln. “I kontrast, för aMCI, uppskattade modellen hjärnåldern till att vara mer än 2,7 år äldre i genomsnitt än patientens kronologiska ålder.”

Modellen visade också att progressiva aMCI-patienter lider av fler avvikelser från typisk normal åldrande än stabila aMCI-patienter. Genom användning av verktyg som den förväntade åldersskillnaden och biomarkörer för Alzheimers kan progressionen av aMCI förutsägas bättre.

Genom att kombinera den förväntade åldersskillnaden med andra biomarkörer för Alzheimers kan den bästa prestationen för att skilja på progressiv aMCI och stabil aMCI uppnås.

“Detta arbete visar att den förväntade åldersskillnaden har potentialen att vara en robust, tillförlitlig och datorbaserad biomarkör för tidig diagnos av kognitiv nedsättning och övervakning av svar på behandling,” sa författarna.