研究人员创建基于人工智能的脑龄预测模型

在北美放射学会的研究人员已经开发出一个基于人工智能（AI）的脑龄预测模型，可以量化轻度认知障碍患者的脑老化轨迹与健康脑老化轨迹的偏差。

该研究于六月份发表在放射学：人工智能。

早期认知障碍检测

根据研究人员的说法，该模型可以用于辅助早期认知障碍的检测。

患有失忆性轻度认知障碍（aMCI）的个体，这是一种从正常老化到阿尔茨海默病的过渡阶段，具有比其年龄和教育水平正常水平更严重的记忆缺陷。然而，它还不够严重以影响他们的日常功能。

该研究涉及北京师范大学认知神经科学和学习国家重点实验室的Ni Shu博士，以及其他同事。

该团队使用机器学习方法训练了一个脑龄预测模型，该模型基于974名健康成人的T1加权MR图像，这些成人的年龄在49.3至95.4岁之间。

训练好的模型然后被应用于估计北京老年脑重juvenation计划中的aMCI患者的预测年龄差异，该计划包括616名健康对照和80名aMCI患者，以及阿尔茨海默病神经成像计划中的589名健康对照和144名aMCI患者。

此外，该团队还研究了预测年龄差异与aMCI患者的认知障碍、遗传风险因素、阿尔茨海默病的病理生物标志物和临床进展之间的关联。

研究结果

研究结果表明，aMCI患者的脑老化轨迹与典型的正常老化轨迹不同。提出的脑龄预测模型能够量化个体从正常轨迹的偏差。

该团队还发现，预测年龄差异与aMCI患者的个体认知障碍在记忆、注意力和执行功能等领域有着密切的关联。

“我们生成的预测模型在仅根据MRI扫描的外观来估计健康参与者的时间年龄方面具有很高的准确性，”论文指出。“相比之下，对于aMCI，模型估计的脑龄平均比患者的时间年龄大2.7岁。”

该模型还表明，进展性的aMCI患者比稳定的aMCI患者具有更多的正常老化偏差。通过使用预测年龄差异评分和阿尔茨海默病的生物标志物，可以更好地预测aMCI的进展。

通过将预测年龄差异与其他阿尔茨海默病的生物标志物结合，可以实现区分进展性aMCI和稳定性aMCI的最佳性能。

“这项工作表明，预测年龄差异具有成为早期认知障碍诊断和监测治疗反应的强大、可靠和计算化生物标志物的潜力，”作者说。