Ο ανθρώπινος εγκέφαλος περιέχει πολλές ενδείξεις για τη μακροπρόθεσμη υγεία ενός ατόμου. Mία νέα έρευνα δείχνει ότι η ηλικία του εγκεφάλου ενός ατόμου είναι πιο χρήσιμος και ακριβής προγνωστικός δείκτης των κινδύνων για την υγεία και των μελλοντικών ασθενειών από ό,τι η ημερομηνία γέννησής του.
Τώρα, ένα νέο μοντέλο τεχνητής νοημοσύνης (AI) που αναλύει μαγνητικές τομογραφίες (MRI) εγκεφάλου που αναπτύχθηκε από ερευνητές του USC θα μπορούσε να χρησιμοποιηθεί για την ακριβή καταγραφή της γνωστικής έκπτωσης που συνδέεται με νευροεκφυλιστικές ασθένειες, όπως η νόσος του Αλτσχάιμερ, πολύ νωρίτερα από προηγούμενες μεθόδους.
Η γήρανση του εγκεφάλου θεωρείται αξιόπιστος βιοδείκτης για τον κίνδυνο νευροεκφυλιστικών ασθενειών. Ο κίνδυνος αυτός αυξάνεται όταν ο εγκέφαλος ενός ατόμου παρουσιάζει χαρακτηριστικά που φαίνονται “μεγαλύτερα” από το αναμενόμενο για κάποιον της ηλικίας του.
Αξιοποιώντας την ικανότητα deep learning του νέου μοντέλου τεχνητής νοημοσύνης της ομάδας για την ανάλυση των σαρώσεων, οι ερευνητές μπορούν να εντοπίσουν ανεπαίσθητους δείκτες ανατομίας του εγκεφάλου που διαφορετικά είναι πολύ δύσκολο να εντοπιστούν και που συσχετίζονται με τη γνωστική έκπτωση.
Τα ευρήματά τους, που δημοσιεύθηκαν την Τρίτη 2 Ιανουαρίου στο περιοδικό Proceedings of the National Academy of Sciences, προσφέρουν μια πρωτοφανή ματιά στην ανθρώπινη νόηση.
Η μελέτη μας, αξιοποιεί τη δύναμη του deep learning για τον εντοπισμό περιοχών του εγκεφάλου που γερνούν με τρόπους που αντανακλούν μια γνωστική έκπτωση η οποία μπορεί να οδηγήσει στη νόσο του Αλτσχάιμερ, δήλωσε ο Άντρεϊ Ιρίμια, επίκουρος καθηγητής γεροντολογίας, βιοϊατρικής μηχανικής, ποσοτικής και υπολογιστικής βιολογίας και νευροεπιστήμης στη Σχολή Γεροντολογίας Leonard Davis του USC και συγγραφέας της μελέτης.
Οι άνθρωποι γερνούν με διαφορετικούς ρυθμούς, το ίδιο και οι τύποι ιστών στο σώμα. Το γνωρίζουμε αυτό στην καθομιλουμένη όταν λέμε: ‘Ο τάδε είναι σαράντα ετών, αλλά μοιάζει με τριάντα. Η ίδια ιδέα ισχύει και για τον εγκέφαλο. Ο εγκέφαλος ενός σαραντάχρονου μπορεί να μοιάζει τόσο ‘νέος’ όσο ο εγκέφαλος ενός τριαντάχρονου ή μπορεί να μοιάζει τόσο ‘γέρος’ όσο εκείνος ενός εξηντάχρονου.
Μια πιο ακριβής εναλλακτική λύση σε σχέση με τις υπάρχουσες μεθόδους
Ο Ιρίμια και η ομάδα του συγκέντρωσαν τις μαγνητικές τομογραφίες εγκεφάλου 4.681 νοητικά φυσιολογικών συμμετεχόντων, ορισμένοι από τους οποίους αργότερα στη ζωή τους εμφάνισαν γνωστική έκπτωση ή νόσο του Αλτσχάιμερ.
Χρησιμοποιώντας αυτά τα δεδομένα, δημιούργησαν ένα μοντέλο τεχνητής νοημοσύνης που ονομάζεται νευρωνικό δίκτυο για να προβλέψουν την ηλικία των συμμετεχόντων από τις μαγνητικές τομογραφίες του εγκεφάλου τους. Αρχικά, οι ερευνητές εκπαίδευσαν το δίκτυο για να παράγει λεπτομερείς ανατομικούς χάρτες του εγκεφάλου που αποκαλύπτουν τα συγκεκριμένα για το υποκείμενο πρότυπα γήρανσης.
Στη συνέχεια συνέκριναν τις αντιληπτές (βιολογικές) ηλικίες του εγκεφάλου με τις πραγματικές (χρονολογικές) ηλικίες των συμμετεχόντων στη μελέτη. Όσο μεγαλύτερη ήταν η διαφορά μεταξύ των δύο, τόσο χειρότερες ήταν οι γνωστικές βαθμολογίες των συμμετεχόντων, οι οποίες αντικατοπτρίζουν τον κίνδυνο εμφάνισης νόσου του Αλτσχάιμερ.
Τα αποτελέσματα δείχνουν ότι το μοντέλο της ομάδας μπορεί να προβλέψει τις πραγματικές (χρονολογικές) ηλικίες των γνωστικά φυσιολογικών συμμετεχόντων με μέσο απόλυτο σφάλμα 2,3 ετών, το οποίο είναι περίπου ένα έτος ακριβέστερο από ένα υπάρχον, βραβευμένο μοντέλο για την εκτίμηση της ηλικίας του εγκεφάλου που χρησιμοποιούσε διαφορετική αρχιτεκτονική νευρωνικού δικτύου.
Η ερμηνεύσιμη τεχνητή νοημοσύνη μπορεί να γίνει ένα ισχυρό εργαλείο για την αξιολόγηση του κινδύνου για τη νόσο του Αλτσχάιμερ και άλλες νευρογνωστικές ασθένειες, δήλωσε ο Ιρίμια. Όσο νωρίτερα μπορούμε να εντοπίσουμε άτομα υψηλού κινδύνου για τη νόσο του Αλτσχάιμερ, τόσο νωρίτερα οι κλινικοί γιατροί μπορούν να παρέμβουν με θεραπευτικές επιλογές, παρακολούθηση και διαχείριση της νόσου. Αυτό που καθιστά την Τεχνητή Νοημοσύνη ιδιαίτερα ισχυρή είναι η ικανότητά της να εντοπίζει λεπτά και πολύπλοκα χαρακτηριστικά της γήρανσης που άλλες μέθοδοι δεν μπορούν και τα οποία αποτελούν κλειδί για τον εντοπισμό του κινδύνου ενός ατόμου πολλά χρόνια πριν αναπτύξει την πάθηση.
Διαβάστε σχετικά: Πώς μεταβάλλει το τραύμα τον εγκέφαλο;
Οι εγκέφαλοι γερνούν διαφορετικά ανάλογα με το φύλο
Το νέο μοντέλο αποκαλύπτει επίσης διαφορές ανάλογα με το φύλο στον τρόπο με τον οποίο η γήρανση ποικίλλει σε διάφορες περιοχές του εγκεφάλου. Ορισμένα τμήματα του εγκεφάλου γερνούν γρηγορότερα στους άνδρες από ό,τι στις γυναίκες, και το αντίστροφο.
Οι άνδρες, οι οποίοι διατρέχουν υψηλότερο κίνδυνο κινητικής εξασθένησης λόγω της νόσου του Πάρκινσον, εμφανίζουν ταχύτερη γήρανση στον κινητικό φλοιό του εγκεφάλου, μια περιοχή που είναι υπεύθυνη για την κινητική λειτουργία. Τα ευρήματα δείχνουν επίσης ότι, μεταξύ των γυναικών, η τυπική γήρανση μπορεί να είναι σχετικά πιο αργή στο δεξιό ημισφαίριο του εγκεφάλου.
Ένας αναδυόμενος τομέας μελέτης υπόσχεται εξατομικευμένη ιατρική
Οι εφαρμογές αυτής της εργασίας εκτείνονται πολύ πέρα από την εκτίμηση του κινδύνου εμφάνισης ασθενειών. Ο Irimia οραματίζεται έναν κόσμο στον οποίο οι νέες μέθοδοι deep learning που αναπτύχθηκαν στο πλαίσιο της μελέτης χρησιμοποιούνται για να βοηθήσουν τους ανθρώπους να κατανοήσουν πόσο γρήγορα γερνούν γενικά.
Μία από τις πιο σημαντικές εφαρμογές της έρευνάς μας είναι η δυνατότητά της να ανοίξει το δρόμο για εξατομικευμένες παρεμβάσεις που θα αντιμετωπίζουν τα μοναδικά πρότυπα γήρανσης κάθε ατόμου, δήλωσε ο Ιρίμια.
Πολλοί άνθρωποι θα ενδιαφέρονταν να γνωρίζουν τον πραγματικό ρυθμό γήρανσής τους. Οι πληροφορίες θα μπορούσαν να μας δώσουν ενδείξεις για διάφορες αλλαγές στον τρόπο ζωής ή παρεμβάσεις που θα μπορούσε να υιοθετήσει ένα άτομο για να βελτιώσει τη συνολική υγεία και ευημερία του. Οι μέθοδοί μας θα μπορούσαν να χρησιμοποιηθούν για να σχεδιάσουμε σχέδια θεραπείας με επίκεντρο τον ασθενή και εξατομικευμένους χάρτες γήρανσης του εγκεφάλου που μπορεί να ενδιαφέρουν άτομα με διαφορετικές ανάγκες και στόχους υγείας.
Έρευνα: Chenzhong Yin et al, Anatomically interpretable deep learning of brain age captures domain-specific cognitive impairment, Proceedings of the National Academy of Sciences (2023). DOI: 10.1073/pnas.2214634120
Απόδοση – Επιμέλεια: PsychologyNow.gr
Πηγή
*Απαγορεύεται ρητώς η αναπαραγωγή χωρίς προηγούμενη άδεια των υπευθύνων της ιστοσελίδας*
