Nature子刊：AI模型測「大腦年齡」，究竟哪些因素會加速大腦衰老？

新智元報導  

編輯：耳朵 祖楊

【新智元導讀】Nature子刊新研究「大腦時鍾」可以判斷一個人的大腦衰老速度是否快於實際年齡。結果顯示，女性、不平等現象嚴重的國家和拉丁美洲國家的人，大腦衰老速度更快。

如果給你一個查詢自己大腦「腦齡」的機會，想不想試試？

自己的大腦「腦齡」是會比實際年齡大還是小？還是基本一致？

發表在Nature子刊《Nature Medicine》的新研究發現，一款基於AI模型的「大腦時鍾」可以確定一個人的大腦衰老速度是否比實際年齡增長快。

論文地址：https://doi.org/10.1038/s41591-024-03209-x

通過fMRI和EEG技術構建的腦時鍾模型，能捕捉到不同地域、性別和疾病等因素導致的腦衰老差異。時鍾顯示，女性、不平等程度較高的國家和拉丁美洲國家的人群中，大腦老化速度更快。

腦時鍾可以量化大腦年齡和實際年齡之間的差異，有望幫助我們判斷大腦健康情況和瞭解腦部疾病。

研究的主要作者、聖地亞哥阿道夫·伊班尼斯大學的神經科學家Agustín Ibáñez說，「大腦衰老的方式，不僅僅是時間的問題，也與居住地、職業、社會經濟水平、生活環境中的汙染程度等因素息息相關。」

大腦連接

通常認為，性別差異是影響大腦衰老的關鍵因素。對阿爾茨海默病連續體萎縮的研究表明，女性腦萎縮的速度比男性更快。

然而，迄今為止，還沒有研究探索大腦的年齡異常，包括跨區域、性別的人口異質性的影響，以及大腦是如何從健康發展到出現病理狀況的。

研究人員通過評估一種複雜的腦部功能連接來研究大腦衰老，即功能連接指標，可以衡量大腦區域間相互作用程度，通常隨著年齡的增長而下降。

論文收集了15個國家的數據，包括7個拉丁美洲和加勒比國家（LAC）和8個非 LAC 國家。

在5306名參與者中，有些人身體健康，有些人患有阿爾茨海默病或其他形式的癡呆症，有些人患有輕度認知障礙（癡呆症的先兆）。

研究人員使用功能磁共振成像（fMRI）或腦電圖（EEG）測量了參與者的靜息大腦活動，即當他們不做任何事情時的大腦活動。

fMRI測量大腦中的血流量，EEG則測量腦電波活動，之後利用圖卷積網絡 (GCN) 實現fMRI和EEG信號的功能連接。

作者計算了每個人大腦的功能連接指標，並將這些數據輸入到兩個經過訓練的深度學習模型中來預測大腦年齡，一個接收fMRI數據作為輸入，一個接收EEG數據。

然後就可以計算每個人的大腦年齡差距，也就是實際年齡與腦時鍾估計的大腦年齡之間的差距。

例如，大腦年齡差距為十歲，意味著大腦連接功能與實際年齡大十歲的人基本相同。

研究過程

研究的總數據集由5306名參與者組成，其中2953名參與者接受fMRI，2353名參與者接受EEG採集。

其中，3509人為對照，517人患有MCI，828人患有阿爾茨海默病，463人患有行為變異型額顳葉癡呆（bvFTD）。

fMRI數據集包括來自LAC（阿根廷、智利、哥倫比亞、墨西哥和秘魯）以及非LAC（美國、大陸和日本）的2953名參與者；EEG數據集涉及來自阿根廷、巴西、智利、哥倫比亞和古巴 (LAC) 以及希臘、愛爾蘭、意大利、土耳其和英國 (非LAC) 的2353名參與者。

通過過濾和偽影消除（artifact removal）對原始fMRI和EEG信號進行預處理，並對EEG信號進行歸一化以將其投影到源空間中。

使用自動解剖標記 (AAL) 圖集對fMRI和EEG信號進行分割，構建節點，獲得了兩種模式的連接矩陣，隨後用圖表表示，作為卷積深度學習網絡的輸入。

LAC和非LAC

研究使用來自對照數據集（LAC和非LAC）的fMRI和EEG信號來訓練和測試大腦衰老模型，預測大腦年齡的模型獲得了足夠的擬合度（fMRI：R2=0.52，P<0.001，f2=1.07；EEG：R2=0.45，P<0.001，f2=0.83）。

主要的預測性腦區域特徵包括額後網絡的中樞，fMRI模型的額外節點包括額下回、前扣帶回、正中扣帶回和副扣帶回；對於腦電圖，關鍵節點還包括頂上回、頂下回和枕下回。

在非LAC數據集中，模型對腦年齡的預測具有較高的擬合度（fMRI：R²=0.40，P<0.001，f²= 0.67；EEG：R²=0.43，P<0.001，f²=0.76），主要預測特徵的樞紐節點包括額上回（背外側）、中央前回和枕中回等。

在LAC數據集中訓練和測試的模型的擬合度相對較低，存在較大的正偏差，主要特徵涉及額頂葉網絡的前顳葉節點，與非LAC模型相比，表現為更大的腦年齡，共同節點包括枕中回、頂上回和額中回等。

這些數據表明，LAC地區的參與者不僅在fMRI和EEG兩種影像數據的腦齡預測中都顯示出顯著的腦齡偏大，而且程度遠高於非LAC國家。

研究認為，這種差異可能與LAC地區的社會經濟不平等、空氣汙染以及醫療資源的不足密切相關。

LAC地區長期以來面臨著嚴重的社會經濟不平等問題。研究通過分析基尼係數（一種衡量收入不平等的指標）發現，LAC地區的社會經濟不平等與腦齡差異呈顯著正相關，這意味著更高的不平等可能導致更快的大腦老化。

PM2.5等空氣汙染物也是LAC地區腦齡差異加劇的重要因素。研究表明，長期暴露於高濃度的空氣汙染中，會對大腦健康產生負面影響，尤其是會加速大腦的老化過程。

LAC地區的醫療資源相對匱乏，許多慢性疾病和傳染病的負擔更大，這些因素都可能加速大腦功能的衰退。

MCI、阿爾茨海默病和bvFTD加速衰老

模型顯示，相比患有輕度認知障礙的人和健康對照者，患有阿爾茨海默症或其他類型癡呆症的人大腦年齡差距更大，從健康對照組到MCI到阿爾茨海默病，腦齡差距逐漸增加。

性別因素

控制性別變量，非LAC數據集的各組之間沒有顯著差異。然而，在LAC地區，患有阿爾茨海默症的女性表現出更大的大腦年齡差距。

研究發現，患有神經認知障礙的女性生活在性別不平等程度較高的國家（特別是來自LAC），常常有更高的腦年齡差距。

總體而言，受所在國家性別不平等的影響，拉丁美洲和加勒比地區患有阿爾茨海默症的女性可能往往得不到及時有效的治療，與男性相比，大腦年齡差距較大。

研究結論

研究主要使用了梯度增強回歸模型來探討社會因素、疾病因素和性別差異對大腦年齡差距的影響。其中，社會因素比較豐富，包括空氣汙染（PM2.5）、社會經濟不平等（基尼係數）以及傳染病、孕產婦、產前和營養狀況以及非傳染性疾病等等。

在LAC和非LAC數據集中，神經認知障礙疾病（MCI、阿爾茨海默症或bvFTD）和嚴重的社會經濟不平等情況（基尼係數）是大腦年齡差距擴大的最大影響因素，高汙染以及疾病也影響大腦年齡差距的擴大，儘管幅度不大。

值得注意的是，在拉丁美洲和加勒比地區，雖然神經認知障礙疾病仍然佔據最大影響因素，但是橫向比較來看，社會經濟不平等因素是三個模型中影響大腦年齡差距佔比最大的。

空氣汙染以及傳染性和非傳染性疾病的負擔也有影響，這些變量在非LAC模型中都不算影響較大的因素。

總之，神經認知障礙疾病以及與社會經濟不平等、空氣汙染等宏觀社會因素，是讓大腦年齡差距擴大的最大影響因素，尤其是在拉丁美洲和加勒比地區，這一差距尤其明顯。

參考資料：

https://www.nature.com/articles/d41586-024-02770-2a