人脑拥有许多关于一个人的长期健康状况的线索——事实上，研究表明，一个人的大脑年龄比他们的出生日期更能准确预测健康风险和未来的疾病。南加州大学研究人员开发的一种分析 MRI 脑部扫描的新人工智能模型可用于准确捕捉与阿尔茨海默氏症等神经退行性疾病相关的认知能力下降，比以前的方法要早得多。

脑老化被认为是神经退行性疾病风险的可靠生物标志物。当一个人的大脑表现出比同龄人的预期“更老”的特征时，这种风险就会增加。通过利用该团队新颖的人工智能模型的深度学习能力来分析扫描结果，研究人员可以检测到细微的大脑解剖标记，否则很难检测到这些标记与认知能力下降相关。他们的发现最近发表在《美国国家科学院院刊》杂志上，提供了对人类认知的前所未有的一瞥。

南加州大学伦纳德戴维斯分校老年学、生物医学工程和神经科学助理教授Andrei Irimia说：“我们的研究利用深度学习的力量来识别大脑中老化的区域，这些区域反映了可能导致阿尔茨海默氏症的认知能力下降。”老年学学院和该研究的通讯作者。

“人们衰老的速度不同，体内的组织类型也不同，”Irimia 说。“当我们说‘某某人 40 岁，但看起来 30 岁’时，我们通俗地知道这一点。” 同样的想法也适用于大脑。40 岁的大脑可能看起来像 30 岁的大脑一样‘年轻’，也可能像 60 岁的人的大脑一样‘老’。”

研究人员整理了 4,681 名认知正常参与者的大脑 MRI，其中一些人在以后的生活中继续出现认知衰退或阿尔茨海默病。

使用这些数据，他们创建了一个称为神经网络的 AI 模型，以根据大脑 MRI 预测参与者的年龄。首先，研究人员训练网络生成详细的大脑解剖图，揭示受试者特定的衰老模式。然后，他们将感知到的（生理）大脑年龄与研究参与者的实际（时间顺序）年龄进行了比较。两者之间的差异越大，参与者的认知得分就越差，这反映了阿尔茨海默氏症的风险。

结果表明，该团队的模型可以预测认知正常参与者的真实（实际）年龄，平均绝对误差为 2.3 岁，比使用不同的神经网络架构。

“可解释的 AI 可以成为评估阿尔茨海默氏症和其他神经认知疾病风险的有力工具，”Irimia 说，她还在南加州大学维特比工程学院和南加州大学多恩西夫文学、艺术与科学学院担任教职。

“我们越早识别阿尔茨海默病高危人群，临床医生就可以越早干预治疗方案、监测和疾病管理。”

新模型还揭示了大脑区域衰老变化的性别差异。男性大脑的某些部分比女性衰老得更快，反之亦然。

男性因帕金森病而面临更高的运动障碍风险，大脑运动皮层（负责运动功能的区域）的老化速度更快。研究结果还表明，在女性中，大脑右半球的典型衰老可能相对较慢。

一个新兴的研究领域显示出个性化医疗的前景

这项工作的应用远远超出了疾病风险评估的范畴。Irimia 设想了一个世界，在这个世界中，作为研究的一部分而开发的新颖深度学习方法被用来帮助人们了解他们总体上衰老的速度。

“我们工作最重要的应用之一是它有可能为量身定制的干预措施铺平道路，以解决每个人独特的衰老模式，”Irimia 说。

“很多人都想知道他们真实的衰老速度。这些信息可以给我们一些提示，让我们了解一个人可以采取不同的生活方式改变或干预措施来改善他们的整体健康和福祉。我们的方法可用于设计以患者为中心的治疗计划和个性化的大脑老化图，这些可能会引起具有不同健康需求和目标的人们的兴趣。”