大腦是人類最復雜的器官，控制著我們的記憶、語言、情緒和認知功能。
然而，隨著年齡的增長，大腦不可避免地會發生衰老。
近年來，科學家們透過多項研究發現，性別差異、經濟水平糊汙染暴露等因素都可能影響大腦的衰老速度。
2024年8月28日，【Nature Medicine】雜誌發表了一項開創性的研究，揭示了這些因素是如何透過加速大腦衰老的過程影響我們的。
@康復Therapy
在這項研究中，科學家們利用人工智能（AI）設計了一個大腦「時鐘」，用於量化大腦年齡和實際年齡之間的差異。
大腦時鐘透過測量大腦各個區域的生理變化，幫助研究人員判斷一個人的大腦衰老速度是否快於實際年齡。
所謂 大腦年齡差距（Brain-Age Gap） ：，指的是透過AI模型估算出的「預期大腦年齡」與個體實際年齡之間的差異。
如果某人的大腦年齡比實際年齡大得多，這表明其大腦衰老速度可能加快，反之亦然。
為了探索大腦衰老的多樣性，研究人員收集了來自15個國家（其中包括7個拉丁美洲和加勒比國家，以及8個非拉美國家）的5,306名參與者的數據。
這些參與者包括健康對照組、輕度認知障礙（MCI）患者，以及患有阿爾茨海默病（Alzheimer's Disease）和行為變異型額顳癡呆（bvFTD）患者。
研究團隊使用了功能性磁共振成像（fMRI）和腦電圖（EEG）等多模式成像技術，來捕捉大腦活動和腦網絡的動態變化。
團隊采用了圖摺積網絡（GCN）等深度學習技術，訓練模型來預測大腦年齡。
為了確保數據的一致性，研究人員對所有的fMRI和EEG訊號進行了標準化處理，並剔除了可能影響結果的雜訊。
透過多變量資訊理論，研究人員計算了腦網絡中的高級相互作用，並將這些資訊輸入到模型中。
該研究發現，大腦衰老速度與多種社會經濟因素密切相關，尤其是在拉丁美洲和加勒比地區，這些地區的人群展示出更大的大腦年齡差距。
在實驗過程中，研究人員使用了fMRI和EEG這兩種不同的成像技術，分別對大腦的功能連線性和腦電活動進行了評估。
透過多輪次的機器學習訓練和驗證，他們成功開發出了一種預測大腦年齡的模型，並揭示了不同人群之間的大腦衰老差異。
fMRI能夠捕捉到大腦的空間動態變化，而EEG則以毫秒級的精度記錄大腦的電活動訊號。
研究發現，這兩種技術的結合極大地提高了預測大腦年齡的準確性，特別是在不同地域、社會經濟背景和性別的個體之間。
研究結果顯示，拉美地區的大腦年齡差距（fMRI：平均誤差=5.60年，EEG：平均誤差=5.34年）明顯高於非拉美地區（fMRI：平均誤差=11.91年，EEG：平均誤差=9.82年）。
此外，在拉美地區，女性大腦的衰老速度顯著高於男性，尤其是在患有阿爾茨海默病的女性中。
透過分析研究結果，科學家們發現了多種可能加速大腦衰老的因素。
透過這項研究，科學家們揭示了大腦衰老的多維度復雜性，以及各種社會經濟和環境因素對大腦衰老的影響。
了解這些因素並采取相應的預防措施，如改善生活方式、減少汙染暴露、平衡工作與生活壓力，或特許以幫助我們延緩大腦衰老的步伐，保持大腦的健康與活力。
最終，這些發現不僅有助於更好地理解大腦衰老背後的機制，還為未來的腦健康幹預和治療提供了寶貴的科學依據。
@頭條健康
參考文獻
Brain clocks capture diversity and disparities in aging and dementia across geographically diverse populations
