當(dāng)我們談?wù)摯竽X的年齡加速時，我們實際上在探討一項引人注目的研究，它利用了人工智能的力量，為我們揭示了大腦內(nèi)部機制的深層信息。這項研究還有望幫助我們更好地理解腦部相關(guān)疾病，如老年癡呆癥，以及為診斷和治療提供新的工具。

研究人員來自西奈山醫(yī)學(xué)中心，他們近日宣布開發(fā)了一項名為“HistoAge”的人工智能算法，可以根據(jù)人腦組織標(biāo)本的細(xì)胞組成來預(yù)測死亡時的年齡，平均準(zhǔn)確度在5.45年以內(nèi)。這一工具不僅可以預(yù)測年齡，還可以幫助識別可能受到年齡相關(guān)變化影響的神經(jīng)解剖區(qū)域，這也是潛在認(rèn)知疾病的指標(biāo)。

他們的研究成果已經(jīng)在《Acta Neuropathologica》雜志上發(fā)表，題為“通過多實例學(xué)習(xí)的組織學(xué)大腦年齡估計”。

研究人員指出，理解大腦中的年齡加速，也就是生物年齡和實際年齡之間的不一致性，可以揭示大腦正常生理機制的洞見，同時也可以闡明年齡相關(guān)功能下降的病理決定因素，還能幫助識別阿爾茨海默病等疾病早期變化的跡象。

研究人員使用了700多張數(shù)字化的人類海馬區(qū)切片圖像來開發(fā)這一組織學(xué)大腦年齡估計算法。他們利用模型預(yù)測的年齡與實際年齡之間的差異來計算大腦的年齡加速。

與當(dāng)前的年齡加速測量方法相比，研究人員發(fā)現(xiàn)，基于HistoAge的年齡加速與認(rèn)知障礙、腦血管疾病以及阿爾茨海默病類型的異常蛋白質(zhì)聚集程度之間存在更強的關(guān)聯(lián)。他們的研究表明，HistoAge模型是一個可靠的、獨立的指標(biāo)，用于確定大腦年齡，以及理解隨時間推移發(fā)生的神經(jīng)退化的因素。

展望未來，研究人員計劃建立多中心合作伙伴關(guān)系，以開發(fā)更多的人工智能模型，并利用更大規(guī)模的數(shù)據(jù)集，這些模型有潛力徹底改變和增進(jìn)我們對大腦疾病的理解。這一領(lǐng)域的不斷進(jìn)展為我們提供了更深入的洞見，有望幫助提前診斷和治療腦部疾病，提高患者的生活質(zhì)量。

參考文獻(xiàn)：Histopathologic Brain Age Estimation via Multiple Instance Learning

編輯：王洪

排版：李麗