Nature子刊:根據大量神經成像數據預測大腦年齡

時間:2022年5月12日
來源:Nature Aging

編輯推薦:

與認知能力未受損的個體相比,在多種類型的癡呆癥患者中,MRI(磁共振成像)或FDG(氟脫氧葡萄糖正電子發射斷層掃描)數據顯示的腦年齡差距增大。因此,梅奧診所的研究人員得出結論,它可能是一種有用的復合生物標志物,可以識別老年癡呆癥的病理風險增加或作為疾病嚴重程度的標志。研究表明,深度學習模型對認知正常的受試者產生了準確的年齡預測,使用FDG PET輸入比使用MRI的表現略好。

廣告
   X   

梅奧診所的科學家開發了一個計算模型,利用FDG-PET(氟脫氧葡萄糖正電子發射斷層掃描)和結構MRI(磁共振成像)獲得的大量神經成像數據來預測大腦年齡?;谏疃葘W習的模型測試了各種形式的癡呆,包括輕度認知障礙(MCI)、阿爾茨海默病(AD)、額顳葉癡呆(FTD)和路易體癡呆(LBD),以及正常大腦中的大腦年齡差距之間的關系。

醫學博士大衛·瓊斯是梅奧診所神經病學和放射學的助理教授,他是這項研究的資深作者。

該研究的資深作者、梅奧診所神經病學和放射學助理教授大衛·瓊斯醫學博士說:“我們正在梅奧診所神經內科建立人工智能(AI)能力。幾十年來,我們也一直在關注阿爾茨海默氏癥和相關疾病的正常老化。該項目是這些使用人工智能模型改善護理和理解這些狀況的更大努力的一部分?!?/p>

早期的研究已經證實,隨著年齡的增長,大腦的結構和功能會發生變化,這些變化會加速神經退行性疾病的發生。

在這項新的研究中,作者指出,“我們開發了3D-DenseNet模型,訓練大腦結構或代謝圖像,它準確地估計了一個人在正常老化期間的大腦年齡?!边@項研究發表在《自然衰老》(Nature Aging)雜志上(“基于深度學習的正常衰老和癡呆的大腦年齡預測”)。

“在這里,我們研究了基于深度學習的大腦年齡預測的生物標志物潛力,因為它與阿爾茨海默病的其他生物標志物及其預測未來認知能力下降的能力有關。這些類型的研究在衰老的潛在神經生物學及其與大腦功能退化疾病的關系方面也提供了大量信息?!杯偹拐f。

為了解釋這些模型,研究人員進行了遮擋分析。遮擋表示圖像上被其他人遮擋的結構,并影響深度學習模型如何分割圖像中的結構。

“閉塞分析試圖確定大腦的重要區域圖像進行準確的預測進行比較的預測與部分成像包括與相同的預測模型沒有提供的信息時大腦的這個區域,”瓊斯說。

“簡單地說,我們可以看到,當我們對大腦的某一部分隱藏信息時,模型崩潰得有多嚴重。當我們對大腦特定區域隱藏信息時,模型破壞得越多,這些信息對模型的表現就越重要,”他補充說。

為了訓練人工智能模型系統預測大腦年齡,研究人員首先通過30歲至97歲的正常參與者的神經成像數據,訓練該系統學習健康的衰老軌跡。利用遮擋分析,研究小組發現,通過對圖像數據進行訓練,模型能夠根據個體的年齡和模式的特異性了解大腦衰老的模式。

該團隊還研究了年齡和模式特異性顯著圖,使用每個年齡組的遮擋敏感性分析,其中更高的顯著性表明該區域在估計大腦年齡中的重要性。

瓊斯解釋說:“通過可解釋性實驗,我們證明了與MRI結構成像相比,葡萄糖代謝圖像的大腦衰老模式在解剖學上是不同的。這從大腦結構和功能的獨特角度推進了對衰老和阿爾茨海默氏癥生物學的理解?!?/p>

研究人員發現,大腦年齡差距的增加與認知障礙和AD生物標志物高度相關。大腦年齡的較大差距也揭示了在所有類型的癡呆癥檢測中都有一個縱向預測特征,盡管,有趣的是,大腦中產生大腦年齡差異的區域,對每組癡呆癥患者來說都是不同的。

“基于大腦成像數據的深度學習準確預測年齡的能力已經為人所知一段時間了。然而,觀察大腦年齡差距或預測和實際年齡之間的差異,被認為有潛力被用作生物標志物。其他人認為,這種大腦年齡差距只能標記治療水平的生物學差異,無法跟蹤狀態的變化,因此不應該被解釋為加速大腦衰老,”瓊斯說?!拔覀冄芯康闹饕l現是,我們確實可以找到證據,證明大腦年齡差距大是一種加速大腦衰老的生物標志物?!?/p>

利用FDG PET掃描的腦代謝數據作為深度學習模型的輸入來預測腦年齡是本研究采用的一種新方法。此外,腦代謝標志物與已建立的AD生物標志物和認知衰退的預測相關是一項新發現。

在后續項目中,瓊斯和他的團隊打算在臨床工作流程中,對這些方法在不同的臨床和成像樣本中進行驗證和測試,以便通過這種人工智能系統預測大腦年齡,可以集成到梅奧診所用于評估患者的工具套件中。

Deep learning-based brain age prediction in normal aging and dementia

生物通微信公眾號
微信
新浪微博


生物通 版權所有

亚洲AV无码破解版在线观看_文轩探花在线观看_韩国美女主播自免费视频慰_中文无码vr最新无码av专区