理论上来说大脑的年龄和你的生理年龄的年数应该是一致的，但确定大脑在医学上的“年龄”远非一件容易的事情。神经退行性疾病就与大脑的年龄息息相关，这一类的疾病发病过程较长，日常很难被注意到，且往往不可逆转，对人体健康有长期影响。现阶段，诊断这类疾病需要借助磁共振成像等检测费用高昂的手段，或者通过认知功能量表、基因检测、脊髓穿刺取脑脊液等方式。相关方法还存在指征模糊、伴有创伤、具有放射性等缺陷，不适用于基层人群的大规模筛查。现在，研究人员正在通过优化AI模型，试图找寻一种简单有效的方法在早期检测这一类疾病。
近期，一项关于“大脑年龄(brain age)”问题机器学习模型的研究发表在了《美国国家科学院院刊》(https://www.pnas.org/doi/10.1073/pnas.2214634120)上，这项新研究似乎有助于为高危患者争取关键时间。
南加州大学老年学助理教授、该研究的资深作者Andrei Irimia说：“如果我们及早发现高危人群，我们可以通过改变生活方式或潜在的治疗方法来为其降低风险。”
Irimia和他的同事使用来自4681名认知正常患者的磁共振成像(MRI)对他们的模型进行了训练，这些患者来自多个数据库，其中最多的来自英国生物样本库(UK Biobank)。研究人员使用了来自相同数据库的1170个不同的核磁共振成像仪来测试。对于每一次MRI，神经网络都会对患者的年龄进行估计。研究人员将该值称为患者的大脑年龄，当接受认知正常成年人的扫描时，该值应尽可能接近患者的年龄。
该算法预测的时间年龄平均误差约为2.3岁，研究人员表示，与其他类似的大脑年龄技术相比，该算法更精确约一年。
无独有偶，中科院宁波材料所智能医学影像(iMED)团队，也通过深入分析和挖掘眼睛结构变化与神经退行性疾病之间的关系，发现了一种可潜在形成神经退行性疾病的早期检测方案。
为了探索眼底视网膜结构变化与阿尔茨海默病间的关系，该团队与四川大学华西医院、浙江省人民医院、北京大学第三医院、宁波大学附属人民医院等多家医疗机构合作，收集了大批量的阿尔茨海默病人的眼、脑数据，并将光学相干断层扫描血流成像(OCTA)的眼底图像作为主要分析对象。
眼底结构量化示意图 资料来源：iMED团队
iMED团队介绍，光学断层扫描是一种先进的非侵入性成像技术，可呈现出眼底不同深度的结构，包含视网膜和脉络膜，还可以高精度地扫描眼底结构中的血流变化，生成OCTA图像，这对于阿尔茨海默病引起的眼底血管变化的相关研究具有重要意义。
该团队通过自主开发的智能分析算法对阿尔茨海默病人的眼底结构进行自动量化，并将计算出的生物指标与临床数据进行了横断面统计分析。根据统计分析，多种量化指标与阿尔茨海默病的发病具有显著相关性，包括血管密度、血管分形维数、血管弯曲度等。这一结果与临床先验共识相符。
基于此，该团队针对血流成像图像信息，设计了一个先进的AI模型来进行阿尔茨海默病的检测，在仅输入眼科图像到AI模型中后，便可快速判断该受试者是否患有阿尔茨海默病。该团队开发的筛查模型，对多个社区人群的阿尔茨海默病筛查准确率达75%
AI算法模型是通过数学和统计学方法来解决问题的一种技术手段，它可以用来解决复杂的知识和决策问题。相信随着不断地深入研究和探索，AI的作用绝不止于简单的辅助，未来它也许能帮助我们解决很多我们从前无法解决的难题，比如找到一种兼顾安全性、易操作性、经济性和准确性的神经退行性疾病早期预测或诊断方法。
最前沿的电子设计资讯
