研究人员利用人工智能追踪衰老大脑的认知偏差

遗忘性轻度认知障碍(aMCI)是从正常衰老到阿尔茨海默病(AD)的过渡阶段。患有aMCI的人的记忆缺陷比他们的年龄和教育程度更严重，但还没有严重到影响日常功能。

在这项研究中，来自北京师范大学认知神经科学与学习国家重点实验室的倪姝博士及其同事使用机器学习方法训练了一个基于974名年龄在49.3岁至95.4岁之间的健康成年人的t1加权MR图像的脑年龄预测模型。将训练好的模型应用于北京老龄脑再生计划(616名健康对照和80名aMCI患者)和阿尔茨海默病神经影像学计划(589名健康对照和144名aMCI患者)数据集中aMCI患者的预测年龄差异(预测年龄与实际年龄)。

研究人员还研究了预测年龄差异与认知障碍、遗传风险因素、AD病理生物标志物和aMCI患者临床进展之间的关系。

研究显示aMCI患者表现出与正常大脑衰老更多的偏差

结果表明，aMCI患者的脑衰老轨迹不同于典型的正常衰老轨迹，所提出的脑年龄预测模型可以量化这些患者与典型正常衰老轨迹的个体偏差。预测年龄差异与aMCI患者在多个领域的个体认知障碍显著相关，特别是在记忆、注意力和执行功能方面。

研究人员写道:“我们建立的预测模型在仅根据核磁共振扫描的外观来估计健康参与者的实足年龄方面非常准确。”“相比之下，对于aMCI，该模型估计的大脑年龄比患者的实际年龄平均大2.7岁。”

该模型进一步表明，进展性aMCI患者比稳定型aMCI患者表现出更多与典型正常衰老的偏差，并且使用预测年龄差异评分以及其他ad特异性生物标志物可以更好地预测aMCI的进展。载脂蛋白E (APOE) ε4携带者的预测年龄差异大于非携带者，淀粉样蛋白阳性患者的预测年龄差异大于淀粉样蛋白阴性患者。

将预测的年龄差异与AD的其他生物标志物相结合，在区分进行性aMCI和稳定型aMCI方面表现最佳。

作者总结道:“这项工作表明，预测的年龄差异有可能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。”