一項對近 50,000 份腦部掃描的分析揭示了與衰老和神經退行性疾病相關的五種不同的大腦萎縮模式。該分析還將這些模式與吸菸和飲酒等生活方式因素，以及與健康狀況和疾病風險相關的遺傳和血液標誌物聯絡起來。
這項工作是“方法論上的傑作”，可以極大地促進研究人員對衰老的理解，南加州大學洛杉磯分校的老年病學家 Andrei Irimia 說，他沒有參與這項工作。“在此研究之前，我們知道大腦解剖結構會隨著衰老和疾病而發生變化。但我們掌握這種複雜相互作用的能力要謙遜得多。”
該研究於 8 月 15 日發表在《自然醫學》雜誌上。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續講述關於塑造我們當今世界的發現和想法的具有影響力的故事。
大腦上的皺紋
衰老不僅會導致白髮，還會導致大腦解剖結構的變化，這些變化在磁共振成像 (MRI) 掃描中可見，隨著時間的推移，某些區域會萎縮或發生結構性改變。但這些轉變是微妙的。“人眼無法感知與這種衰退相關的系統性大腦變化的模式，”費城賓夕法尼亞大學的生物醫學影像專家、本文作者 Christos Davatzikos 說。
之前的研究表明，機器學習方法可以從 MRI 資料中提取衰老的細微指紋。但這些研究的範圍通常有限，而且大多數研究都包含來自相對較少人群的資料。
為了識別更廣泛的模式，Davatzikos 的團隊開始了一項研究，這項研究大約花了八年時間才完成並發表。他們使用了一種名為 Surreal-GAN 的深度學習方法，該方法由第一作者楊志堅在 Davatzikos 實驗室擔任研究生時開發。科學家們使用來自 1,150 名 20 至 49 歲健康人和 8,992 名老年人的腦部 MRI 訓練了該演算法，其中包括許多經歷認知能力下降的老年人。這教會了該演算法識別衰老大腦的重複特徵，使其能夠建立解剖結構的內部模型，這些結構傾向於同時變化，而那些結構傾向於獨立變化。
然後，研究人員將由此產生的模型應用於來自近 50,000 名參與各種衰老和神經健康研究的人的 MRI 掃描。該分析產生了五種離散的大腦萎縮模式。科學家們將各種型別的與年齡相關的大腦退化與這五種模式的組合聯絡起來，儘管患有相同疾病的個體之間存在一些差異。
衰老模式
例如，痴呆症及其前兆，輕度認知障礙，與五種模式中的三種有關。有趣的是，研究人員還發現證據表明，他們識別出的模式可能用於揭示未來更多大腦退化的可能性。“如果你想預測從認知正常狀態到輕度認知障礙的進展，那麼其中一種 [模式] 是迄今為止最具預測性的，”Davatzikos 說。“在後期階段，新增第二種 [模式] 會豐富你的預測，這很有道理，因為這有點捕捉到了病理的傳播。”其他模式與包括帕金森病和阿爾茨海默病在內的疾病有關，並且三種模式的組合對死亡率具有高度預測性。
作者發現，某些大腦萎縮模式與各種生理和環境因素之間存在明顯的關聯，包括飲酒和吸菸，以及各種與健康相關的遺傳和生化特徵。Davatzikos 說，這些結果可能反映了整體身體健康對神經系統健康的影響，因為其他器官系統的損傷可能會對大腦產生影響。
Davatzikos 警告說，這項研究“並不意味著一切都可以歸結為五個數字”，然而，他的團隊正在尋求使用包含更廣泛的神經系統疾病以及更大種族和民族多樣性的資料集。
本文經許可轉載，並於 2024 年 8 月 19 日首次發表。