脑龄研究新进展:NUS MNNDL成员文章被eLife接收

文摘   科学   2024-06-24 20:07   新加坡  


最近,脑龄(Brain Age)研究受到了广泛关注,但其临床验证仍需更多工作。

首先,过去大多数脑龄模型是基于主要来自高加索成年参与者的数据构建的。
我们想知道,这些模型能否适用于非高加索群体,尤其是儿童?为此,我们将一个深度学习模型应用于新加坡的老年人(55-88岁,来自EDIS和SLABS)和儿童(4-11岁,来自GUSTO)。结果显示,该模型对老年人效果良好,但对儿童需要进行微调。
其次,历史上脑龄未能与未来的测量指标表现出稳健的关联性,这让其作为生物标志物的价值受到了质疑。幸运的是,我们发现随着时间的推移,脑龄差距的变化与未来的执行功能有关系,而仅使用基线脑龄无法发现这一点。


最后,我们对老年人脑龄对其认知功能的影响了解较多,但对儿童的影响是什么呢?我们发现儿童也有类似的关联性,但方向相反。这表明,较快的发展速度对儿童的执行功能有积极影响。

我们还发现,模型在儿童和老年人中关注的脑区不同,这与已知的发展/衰老模式相匹配。这表明模型能够正确识别每组中的不同信息。

综合来看,我们的研究结果表明,脑龄模型可以推广到不同人群(可能需要调优)。此外,观察脑龄差距的变化更能反映发展和衰老过程,并与未来的认知功能相关。相关的文章已在《eLife》上发布,文章链接为:https://elifesciences.org/reviewed-preprints/97036


Reference:

Cheng Susan F., Yue Wan Lin, Ng Kwun Kei, Qian Xing, Liu Siwei, Tan Trevor W.K., Nguyen Kim-Ngan, Leong Ruth L.F., Hilal Saima, Cheng Ching-Yu, Tan Ai Peng, Law Evelyn C., Gluckman Peter D., Chen Christopher Li-Hsian, Chong Yap Seng, Meaney Michael J., Chee Michael W.L., Yeo B.T. Thomas, Zhou Juan Helen (2024) Rate of brain aging associates with future executive function in Asian children and older adults eLife 13:RP97036


作者简介

这篇文章的第一作者是Susan Cheng,她是新加坡国立大学(NUSMNNDL实验室的研究生,在周涓教授的指导下工作。她目前专注于脑成像、脑龄和机器学习。

如果您对神经科学、脑图像、精神疾病相关的研究感兴趣,欢迎关注我们的 Twitter 和网站!

Twitter:https://twitter.com/mnndl_lab

网站:https://neuroimaginglab.org/


记忆

NUS MNNDL Lab
新加坡国立大学 Multimodal Neuroimaging in Neuropsychiatric Disorders Laboratory 实验室。http://neuroimaginglab.org