大脑是人类最复杂的器官,控制着我们的记忆、语言、情绪和认知功能。
然而,随着年龄的增长,大脑不可避免地会发生衰老。
近年来,科学家们通过多项研究发现,性别差异、经济水平和污染暴露等因素都可能影响大脑的衰老速度。
2024年8月28日,【Nature Medicine】杂志发表了一项开创性的研究,揭示了这些因素是如何通过加速大脑衰老的过程影响我们的。
@康复Therapy
在这项研究中,科学家们利用人工智能(AI)设计了一个大脑「时钟」,用于量化大脑年龄和实际年龄之间的差异。
大脑时钟通过测量大脑各个区域的生理变化,帮助研究人员判断一个人的大脑衰老速度是否快于实际年龄。
所谓 大脑年龄差距(Brain-Age Gap) :,指的是通过AI模型估算出的「预期大脑年龄」与个体实际年龄之间的差异。
如果某人的大脑年龄比实际年龄大得多,这表明其大脑衰老速度可能加快,反之亦然。
为了探索大脑衰老的多样性,研究人员收集了来自15个国家(其中包括7个拉丁美洲和加勒比国家,以及8个非拉美国家)的5,306名参与者的数据。
这些参与者包括健康对照组、轻度认知障碍(MCI)患者,以及患有阿尔茨海默病(Alzheimer's Disease)和行为变异型额颞痴呆(bvFTD)患者。
研究团队使用了功能性磁共振成像(fMRI)和脑电图(EEG)等多模式成像技术,来捕捉大脑活动和脑网络的动态变化。
团队采用了图卷积网络(GCN)等深度学习技术,训练模型来预测大脑年龄。
为了确保数据的一致性,研究人员对所有的fMRI和EEG信号进行了标准化处理,并剔除了可能影响结果的噪声。
通过多变量信息理论,研究人员计算了脑网络中的高级相互作用,并将这些信息输入到模型中。
该研究发现,大脑衰老速度与多种社会经济因素密切相关,尤其是在拉丁美洲和加勒比地区,这些地区的人群展示出更大的大脑年龄差距。
在实验过程中,研究人员使用了fMRI和EEG这两种不同的成像技术,分别对大脑的功能连接性和脑电活动进行了评估。
通过多轮次的机器学习训练和验证,他们成功开发出了一种预测大脑年龄的模型,并揭示了不同人群之间的大脑衰老差异。
fMRI能够捕捉到大脑的空间动态变化,而EEG则以毫秒级的精度记录大脑的电活动信号。
研究发现,这两种技术的结合极大地提高了预测大脑年龄的准确性,特别是在不同地域、社会经济背景和性别的个体之间。
研究结果显示,拉美地区的大脑年龄差距(fMRI:平均误差=5.60年,EEG:平均误差=5.34年)明显高于非拉美地区(fMRI:平均误差=11.91年,EEG:平均误差=9.82年)。
此外,在拉美地区,女性大脑的衰老速度显著高于男性,尤其是在患有阿尔茨海默病的女性中。
通过分析研究结果,科学家们发现了多种可能加速大脑衰老的因素。
通过这项研究,科学家们揭示了大脑衰老的多维度复杂性,以及各种社会经济和环境因素对大脑衰老的影响。
了解这些因素并采取相应的预防措施,如改善生活方式、减少污染暴露、平衡工作与生活压力,或许可以帮助我们延缓大脑衰老的步伐,保持大脑的健康与活力。
最终,这些发现不仅有助于更好地理解大脑衰老背后的机制,还为未来的脑健康干预和治疗提供了宝贵的科学依据。
@头条健康
参考文献
Brain clocks capture diversity and disparities in aging and dementia across geographically diverse populations