Хотя ваш мозг в хронологическом порядке прожил в мире столько же лет, сколько и все остальные, определение его медицинского «возраста» — меры того, как процессы старения влияют на мозг, — далеко не очевидно и прямолинейно. Теперь исследователи тестируют модель на основе искусственного интеллекта, которая определяет возраст мозга с помощью данных магнитно-резонансной томографии (МРТ), что может помочь выявить ранние признаки деменции и болезни Альцгеймера.
Это последнее исследование вряд ли является первой моделью машинного обучения, примененной к проблеме «возраста мозга». Но новое исследование, опубликованное в Proceedings of the National Academy of Sciences , похоже, может помочь выиграть критически важное время для пациентов с высоким риском.
«Если мы выявим людей с высоким риском на ранней стадии, мы сможем снизить риск за счет изменения образа жизни или потенциальных методов лечения», — сказал Андрей Иримиа , доцент геронтологии Университета Южной Калифорнии и старший автор исследования.
Иримия и его коллеги обучили свою модель, используя МРТ 4681 когнитивно нормального пациента, отобранного из нескольких баз данных, причем наибольшее количество поступило из британского биобанка . Исследователи использовали другой набор из 1170 МРТ из тех же баз данных для тестирования своей сети. Для каждой МРТ нейронная сеть производит оценку хронологического возраста пациента. Исследователи назвали это значение возрастом мозга пациента, который должен быть как можно ближе к хронологическому возрасту человека, когда ему делают сканирование когнитивно нормальных взрослых.
Алгоритм предсказал хронологический возраст со средней ошибкой около 2,3 года, что, по словам исследователей, точнее примерно на год, чем другие сопоставимые методы определения возраста мозга. «Я думаю, что их улучшение имеет смысл», — сказал Хан Пэн , который ранее был исследователем с докторской степенью в Оксфордском университете и помог разработать аналогичную нейронную сеть для определения возраста мозга, которая ранее была наиболее точной.
Конечно, как и в случае с большей частью ИИ, алгоритмы старения мозга часто являются черными ящиками — непостижимыми при проверке и не раскрывающими того, как они генерировали свои результаты. Однако команда Иримии хотела сделать свой алгоритм интерпретируемым. Поэтому он также генерирует так называемые карты заметности, показывающие области МРТ, на которые сеть больше всего полагается при принятии решений.
Исследователи использовали еще 650 МРТ от когнитивно нормальных пациентов, а также 359 пациентов с деменцией Альцгеймера и 351 с менее тяжелыми последствиями болезни, называемой легкими когнитивными нарушениями (MCI). Примерно у половины пациентов с ЛКН позднее развилась деменция. Карты значимости подтверждают результаты других исследований, в том числе исследования нормального старения мозга и того, как болезнь Альцгеймера может по-разному влиять на мозг мужчин и женщин.
«Мы обнаружили, что наш метод может подтвердить и воспроизвести другие результаты других исследований, в которых используются совершенно другие методы», — сказал Иримиа.
Исследователи обнаружили, что больший разрыв между возрастом мозга и хронологическим возрастом увеличивает риск того, что у кого-то с MCI в конечном итоге разовьется деменция, что также было обнаружено в предыдущих исследованиях. Они также обнаружили, что у пациентов с MCI или деменцией возраст мозга больше коррелировал с уровнем их когнитивных функций, чем их хронологический возраст. Это также относилось к пациентам с ЛКН, но не к группе с деменцией. Это может быть связано с тем, что модель была обучена с использованием данных когнитивно нормальных пациентов, пишут исследователи, хотя может быть несколько объяснений, сказал Иримия.
Хотя в этом исследовании использовался большой набор данных, выборка по-прежнему сильно перекошена в сторону белых людей европейского происхождения, сказал Джеймс Коул , профессор вычислительной техники нейроизображений в Университетском колледже Лондона. По словам Иримии, в исследовании не приводится конкретная расовая демография, потому что у авторов не было доступа к этой информации. Тем не менее, Британский биобанк, крупнейший источник данных исследования, составляет около 95 процентов белых. По словам Коула, крайне важно, чтобы исследователи могли показать, что их исследования применимы к разным группам людей.
Трудно сказать, насколько значимо повышение точности за один год, сказал Эран Даян , доцент кафедры радиологии Медицинской школы Университета Северной Каролины в Чапел-Хилл.
Чтобы узнать это, сказал Даян, будущие исследования должны будут включать больше клинических данных. Хотя это исследование действительно включало некоторые данные о когнитивных функциях, Даян говорит, что потребуются дополнительные исследования с использованием продольных данных или данных пациентов с течением времени, чтобы в конечном итоге использовать эту технологию с реальными пациентами. Иримия не возражает. «Я думаю, нам нужно больше исследований, чтобы действительно понять, чем отличаются эти модели [карты заметности] и как мы можем использовать полученную информацию для улучшения оценки рисков», — сказал он.