正常大脑的核磁共振成像。BSIP/UIG Via Getty Images
Sientific American 《科学美国人》报道：乐安德烈·伊里米亚 (Andrei Irimia) 提到的一项新研究，关于与生活方式选择有关的不同病症及其对大脑衰老的影响。伊里米亚没有参与这项工作，但他称这项研究是“方法论的杰作”，可以极大地推动研究人员对衰老的理解。“在此之前，我们知道大脑解剖结构会随着年龄增长和疾病而改变。但我们对这种复杂互动关系能力的理解非常有限。”
一项对近50,000次大脑扫描的分析揭示了与衰老和神经退行性疾病相关的五种独特的脑萎缩模式。该分析还将这些模式与吸烟、饮酒等生活方式因素以及与健康状况和疾病风险相关的基因和血液标记物联系起来。
洛杉矶南加州大学老龄学专家安德烈-伊里米亚（Andrei Irimia）虽然没有参与这项工作，但他表示，这项工作是一次 “方法论上的杰作”，可以极大地促进研究人员对衰老的理解。“在此前，我们知道大脑解剖结构会随着衰老和疾病而发生变化。但我们对这种复杂互动关系能力的理解非常有限。”
这项研究于2024年 8 月 15 日发表在《自然医学》杂志上。
https://www.nature.com/articles/d41586-023-03012-7
大脑上的褶皱
衰老不仅会导致白发，还会引起大脑解剖结构的变化，这些变化在磁共振成像（MRI）扫描中可以看到，随着时间的推移，有些区域会萎缩或发生结构性改变。但这些变化是微妙的。“人类的眼睛无法察觉与这种衰退相关的大脑变化模式。”费城宾夕法尼亚大学的生物医学成像专家克里斯托斯-达瓦齐科斯（Christos Davatzikos）说，他是这篇论文的作者之一。
以前的研究表明，机器学习方法可以从核磁共振成像（MRI）数据中提取出衰老的细微痕迹。但这些研究往往局限于较小的范围，而且大多数研究数据来自于相对较少的人群。
为了找出更广泛的模式，达瓦齐科斯的研究团队开展了一项历时约八年的研究，并于近期发表成果。他们使用了一种名为Surreal-GAN的深度学习方法，该方法由第一作者、曾在达瓦齐科斯实验室担任研究生的杨志健开发。研究人员将算法训练运用于1100名20至49岁健康人群和8992名老年群体（包括许多出现认知衰退的人）的脑部MRI图像上。这使得算法能够识别衰老大脑中反复出现的特征，从而创建一个内部的解剖结构模型，该模型可以区分同时发生变化的结构和独立变化的结构。
随后，近5万人参与了与衰老和神经健康有关的各种研究的核磁共振成像（MRI）扫描,研究人员运用该模型对扫描的数据进行分析，得出了五种不同的脑萎缩模式。科学家们将各种与年龄相关的脑退化与这五种模式的组合联系起来，尽管患有相同病症的个体之间存在一些差异。
衰老模式
例如，痴呆症及其前兆轻度认知障碍就与五种模式中的三种模式有关。耐人寻味的是，研究人员还发现有证据表明，他们确定的模式有可以用来揭示未来更多大脑退化的可能性。“达瓦茨科斯说："如果你想预测从认知正常状态到轻度认知障碍的过程，其中一种模式的预测性要远远高于其他模式。“到了后期阶段，再加上第二种模式，可以增强你的预测能力，这很有道理，因为这可以捕捉到这种疾病的传播过程。”其他模式与包括帕金森病和阿尔茨海默病在内的其他疾病有关，三种模式的组合对死亡风险有很高的预测性。
研究人员发现，脑萎缩的某些模式与各种生理和环境因素（包括酒精摄入量和吸烟）以及各种与健康相关的遗传和生化特征之间存在明显的关联。
达瓦茨科斯说，这些结果可能反映了整体身体健康对神经系统健康的影响，因为其他器官系统的损伤会对大脑造成影响。
不过，达瓦茨科斯提醒说，这项研究 “并不意味着所有事情都可以归结为五个数字”，他的团队正在寻找包括更广泛的神经系统疾病、具有更大种族和民族多样性的数据集。
- End -
本文经授权转载，首发于2024年8月19日。
图片&文字| Michael Eisenstein & Nature magazine
排版&译文 | Keran Chen
