研究人员创建基于人工智能的脑龄预测模型

北美放射学会的研究人员开发了一种基于人工智能（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。

该研究于六月发表在 Radiology：Artificial Intelligence。

早期认知障碍的检测

研究人员认为，该模型可以用于早期检测认知障碍。

患有失忆性轻度认知障碍（aMCI）的个体，其记忆力损害比同龄和受教育水平的人更严重，但还不足以影响日常功能。

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，年龄范围为49.3至95.4岁。

训练好的模型然后应用于估计来自北京老年脑重juvenation计划的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，该计划包括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认知障碍、基因风险因素、阿尔茨海默病的病理生物标志物以及aMCI患者的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可以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使用MRI扫描外观的情况下，对健康参与者的时间顺序年龄进行了高度准确的估计，”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顺序年龄大2.7岁。”

该模型还表明，进展性aMCI患者比稳定性aMCI患者更容易偏离典型的正常老化。通过使用预测年龄差异得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。

通过结合预测年龄差异和其他阿尔茨海默病的生物标志物，可以实现进展性aMCI和稳定性aMCI之间的最佳区分性能。

“这项工作表明，预测年龄差异有潜力成为早期诊断认知障碍和监测治疗反应的强大、可靠和计算机化的生物标志物，”作者说。