一种新的人工智能模型可以测量患者大脑衰老的速度，并可能成为理解、预防和治疗认知衰退和痴呆的强大新工具，据南加州大学的研究人员称。
这种首创的工具可以通过分析磁共振成像（MRI）扫描非侵入性地跟踪大脑变化的速度。南加州大学伦纳德·戴维斯老年研究学院的老年学、副教授安德烈·伊里米亚表示，快速的大脑衰老与认知障碍风险增加密切相关。
“这是一种新的测量方式，可以改变我们在研究实验室和临床中追踪大脑健康的方式，”他说。“了解一个人大脑衰老的速度可能具有强大的意义。”
伊里米亚是描述新模型及其预测能力的研究的通讯作者；该研究于2025年2月24日发表在《美国国家科学院院刊》上。
**生物学年龄与生理年龄的比较**
伊里米亚表示，生物学年龄与个人的生理年龄是不同的。两个基于出生日期同龄的人，可能由于身体功能良好与否以及身体组织在细胞水平上显得“老”的程度，具有非常不同的生物学年龄。
一些常见的生物学年龄测量方法使用血液样本来测量表观遗传衰老和DNA甲基化，这会影响基因在细胞中的作用。然而，伊里米亚解释说，从血液样本中测量生物学年龄是一种不佳的策略，因为大脑和血液之间的屏障阻止血细胞进入大脑，从而使手臂的血液样本不能直接反映大脑中的甲基化和其他衰老相关过程。相反，直接从患者大脑取样的程序则更加侵入性，使得从活体人类脑细胞直接测量DNA甲基化及其他大脑衰老方面变得不可行。
伊里米亚及其同事之前的研究突显了MRI扫描在无创测量大脑生物学年龄方面的潜力。早期模型利用人工智能分析将患者的大脑解剖结构与来自年龄和认知健康状况不同的数千人MRI扫描的数据进行比较。
然而，他表示，利用一张MRI扫描来估计大脑年龄的横断面特性存在重大局限性。虽然先前的模型可以告诉一个患者的大脑是否比他们的日历年龄“老”十年，但它无法提供关于这种额外衰老是在生活的早期还是晚期发生的信息，也无法表明大脑衰老是否在加速。
**更准确的大脑衰老图景**
新开发的三维卷积神经网络（3D-CNN）提供了一种更精确的方式来测量大脑随时间的衰老。该模型是与南加州大学维特比工程学院电气与计算机工程副教授保罗·博格丹合作创建的，并在3000多份认知正常成年人MRI扫描的基础上进行了训练和验证。
与传统的横断面方法不同，传统方法仅根据单次扫描估计大脑年龄，这种纵向方法比较同一个个体的基线和后续MRI扫描。因此，它更准确地标定与加速或减缓衰老相关的神经解剖变化。博格丹表示，3D-CNN还生成可解释的“显著性图”，指示哪些特定大脑区域对确定衰老速度最为重要。
当该新模型应用于104名认知健康成年人和140名阿尔茨海默病患者时，其大脑衰老速度的计算与两次测量点的认知功能测试变化密切相关。
“这些测量与认知测试结果的一致性表明，该框架可能作为神经认知衰退的早期生物标志物，”博格丹说。“此外，它证明了其在认知正常个体与认知受损者之间的适用性。”
他补充说，该模型有潜力更好地描绘健康衰老与疾病轨迹，其预测能力有朝一日可以应用于评估基于个人特征的更有效治疗。
“脑衰老的速度与认知功能的变化密切相关，”伊里米亚说。“因此，如果你有较高的脑衰老速度，你更有可能在认知功能方面，包括记忆、执行速度、执行功能和处理速度方面，表现出较高的衰退速度。这不仅仅是一个解剖测量；我们在解剖上看到的变化与这些个体的认知表现的变化有关。”
**展望未来**
在研究中，伊里米亚和共同作者还指出，新模型能够区分大脑不同区域的衰老速度差异。深入研究这些差异，包括它们如何根据遗传、环境和生活方式因素而变化，可能为不同病理如何在大脑中发展提供洞见，伊里米亚表示。
研究还表明，某些区域大脑的衰老速度在性别之间存在差异，这可能为解释男性和女性在神经退行性疾病（包括阿尔茨海默病）面临不同风险提供线索。
伊里米亚表示，他还对新模型识别那些大脑衰老速度快于正常的人感到兴奋，这些人尚未表现出认知障碍的任何症状。尽管新的阿尔茨海默药物已被推出，但其疗效低于研究人员和医生的预期，这可能是因为患者可能在大脑中已经出现大量阿尔茨海默病理时才开始使用这些药物，他解释道。
“我实验室非常关心的一个方面是评估阿尔茨海默的风险；我们希望有一天能够说，‘现在看来这个人有30%的阿尔茨海默风险。’我们还未到达这个目标，但我们正在努力，”伊里米亚说。“我认为这种测量将非常有助于生成预后变量，并可以帮助预测阿尔茨海默风险。这将是非常强大的，特别是当我们开始开发潜在的预防药物时。”
