O nouă tehnologie AI identifică modele de îmbătrânire a creierului

Postat la: 21.08.2024 |

Cercetătorii au dezvoltat o nouă tehnologie de inteligență artificială numită Surreal-GUN care poate identifica modele de îmbătrânire a creierului. Această abordare permite crearea de imagini realistice ale creierului în diferite stadii de îmbătrânire.

Această tehnologie poate ajuta la identificarea factorilor de risc și a mecanismelor implicate în îmbătrânirea creierului, precum și la terapii pentru a întârzia sau a preveni declinul congnitiv. Într-un studiu recent publicat în Nature Medicine, cercetătorii utilizează „Surreal-GAN" alimentat cu inteligență artificială (AI), un model de învățare cu reprezentare profundă, pentru a examina eterogenitatea îmbătrânirii creierului.

Îmbătrânirea creierului uman suferă numeroase modificări structurale care variază în funcție de genetică, de stilul de viață al individului și de prezența unor boli coexistente. Această eterogenitate în îmbătrânirea creierului este, de asemenea, influențată de factori care pot exacerba sau proteja împotriva proceselor neuropatologice legate de vârstă. Modificări timpurii și subtile în anumite regiuni ale creierului pot apărea în timpul fazelor preclinice ale bolilor neurodegenerative precum boala Alzheimer.

Studiile tradiționale de neuroimagistică au oferit informații importante cu privire la rolul îmbătrânirii și al bolilor în modificarea structurii și funcției creierului, bazându-se adesea pe comparații caz-control. Cu toate acestea, aceste metode sunt limitate în ceea ce privește capacitatea lor de a aborda eterogenitatea individuală, deoarece se concentrează de obicei asupra modelelor medii, mai degrabă decât să surprindă diversele modificări neuroanatomice de la un individ la altul.

Abordările de învățare automată (ML) au fost utilizate cu succes pentru a identifica biomarkeri neuroimagistici la nivel individual ai îmbătrânirii creierului. Cu toate acestea, aceste metode adesea nu iau în considerare eterogenitatea subiacentă și, ca urmare, identifică doar biomarkeri care reflectă un model tipic sau mediu.

Studiul a utilizat Surreal-GAN pentru a analiza modelele de îmbătrânire a creierului prin învățarea transformărilor unu-la-mulți de la o populație de referință (REF) la o populație țintă (TAR) pentru a surprinde modificările eterogene ale creierului. Aceste date sunt apoi distilate în indici de reprezentare (R) care cuantifică severitatea modificărilor cerebrale individualizate de-a lungul mai multor dimensiuni.

Grupul REF a cuprins 1.150 de participanți cu vârste cuprinse între 20 și 49 de ani, în timp ce grupul TAR a inclus 8.992 de persoane cu vârste cuprinse între 50 și 97 de ani, inclusiv cele cu insuficiență cognitivă ușoară (MCI) sau demență. Pentru a asigura robustețea, reproductibilitatea modelului a fost testată pe un set de antrenament independent și pe sexe. De asemenea, cercetătorii au asociat indicii R cu măsuri demografice, clinice, neurocognitive, de stil de viață și genetice utilizând corelații parțiale, morfometrie bazată pe voxel și studii de asociere la nivel de genom (GWAS).

Asociațiile bolilor cronice au fost explorate prin analiza de regresie liniară multiplă care a ajustat atât pentru vârstă, cât și pentru sex. Capacitățile de prognostic au fost evaluate utilizând modele de hazard proporțional Cox pe date longitudinale. Cinci indici R distincți R1, R2, R3, R4 și R5 au reprezentat atrofia subcorticală, lobul temporal medial, parieto-temporal, cortical difuz și perisilvian. Acești indici au fost asociați semnificativ cu variabile demografice, cum ar fi vârsta și sexul, precum și cu mai multe boli cronice, inclusiv MCI, demență, schizofrenie și boala Parkinson.

R2, R3 și R5 au fost puternic corelate cu biomarkerii bolii Alzheimer, în special lichidul cefalorahidian (CSF)-pTau181 și CSF-Aβ42. R5 a fost asociat cu o gamă largă de boli cronice și factori de stil de viață, cum ar fi consumul de alcool și fumatul. Indicii R de referință au fost predictori puternici ai progresiei bolii de la cognitiv normal la MCI și de la MCI la demență, precum și ai riscului de mortalitate.

Studiul actual este consolidat de utilizarea unei metodologii Surreal-GAN îmbunătățite cu aplicabilitate largă pentru descoperirea modelelor de îmbătrânire a creierului, oferind astfel un sistem extensibil aplicabil la diverse întrebări de cercetare. Cu toate acestea, limitările notabile ale studiului actual includ subreprezentarea patologiilor neobișnuite și a anumitor boli, precum și pragul de vârstă ales, care poate ascunde unele modificări preclinice în grupul REF.

Cercetătorii au dezvoltat Surreal-GAN, un sistem de reprezentare în cinci dimensiuni pentru a caracteriza eterogenitatea neuroanatomică a îmbătrânirii creierului. Surreal-GAN oferă un instrument nou pentru disecarea eterogenității atrofiei cerebrale și înțelegerea legăturilor sale cu factorii demografici, patologici, stilul de viață și variantele genetice. În plus, Surreal-GAN are, de asemenea, potențialul de a îmbunătăți diagnosticarea personalizată, gestionarea pacienților și de a îmbunătăți precizia și eficacitatea studiilor clinice.