人工智能揭开大脑衰老的秘密

研究人员利用人工智能，开发了“HistoAge”，这是一种预测死亡年龄并解开大脑衰老和神经退行性疾病之谜的算法。

通过分析来自老年大脑捐赠者的近700个数字化海马切片，该工具以惊人的准确性预测年龄，并识别易受年龄相关变化影响的区域。值得注意的是，HistoAge显示出与认知障碍和阿尔茨海默氏症型异常的强效相关性，为探索神经退行性进展提供了可靠的指标。

这一创新模型为理解衰老的大脑提供了一个变革性的视角，标志着解码和潜在抑制年龄加快的神经变性迈出了一大步。

关键的发现：

创新的衰老预测：HistoAge算法通过分析人脑组织标本的细胞组成，以平均精度在5.45岁以内预测死亡年龄。

组织年龄和神经系统关联：基于HistoAge的年龄加快与认知障碍，脑血管疾病和阿尔茨海默氏症型蛋白质聚集密切相关，如DNA甲基化。

人工智能作为革命性工具：HistoAge不仅为评估人类样本中的衰老和神经变性提供了一种新的范式，而且还提出了一个强大而公正的指标，可以在研究实验室中大规模部署，从而有助于更深入地了解退行性疾病背后的细胞变化。

衰老的大脑的结构过程和细胞变化，这些变化会影响功能并增加对阿尔茨海默病等神经退行性疾病的易感性。

大脑中的年龄加速 - 或生物学年龄和实际年龄之间的差异 - 可以揭示有关身体最重要器官之一的机制和正常功能的认知。

使用模型预测的年龄和实际年龄之间的差异来推导出大脑中年龄的变化

它还可以解释与年龄相关的变化和功能下降，以及识别与疾病相关的早期变化，表明脑部疾病的发作。

研究人员检查了来自老年大脑捐赠者的近700张带有人类海马切片的幻灯片的数字化图像，以开发组织学大脑年龄估计算法。

然后，该团队训练了一个机器学习模型，仅根据数字化部分来估计一个人的死亡年龄，这是人类观察者不可能以任何程度的准确性执行的任务。他们使用模型预测的年龄和实际年龄之间的差异来推导出大脑中的年龄增加速度。

与目前的年龄加速测量（例如DNA甲基化）相比，他们发现基于HistoAge的年龄加速与认知障碍，脑血管疾病和阿尔茨海默氏症型异常退行性蛋白质聚集的水平有更强的关联。

研究发现，HistoAge模型是一个可靠的，独立的指标，用于确定大脑年龄和理解随着时间的推移导致神经退行性变的因素。

研究人员表示，HistoAge模型和其他随后的类似算法代表了评估人类样本衰老和神经变性的全新范式，可以很容易地在临床和转化研究实验室中大规模部署。此外，这种方法提供了更严格，无偏见和更强大的退行性疾病细胞变化指标。

使我们更接近最终了解衰老的大脑和与年龄相关的脑部疾病，如阿尔茨海默氏症。这是我们第一次能够对病理学中大脑中有多少衰老给出一个数字。

临床科学家越来越多地在研究和诊断环境中使用人工智能。这是一个彻底改变医学的工具，我们很高兴能成为这个领域的领导者，优化机器学习——不是为了取代我们卫生系统对富有同情心的护理的承诺，而是改善所有患者的诊断和治疗。

该研究得到了美国国立卫生研究院，阿尔茨海默病研究中心，温斯皮尔家庭阿尔茨海默病神经病理学研究中心，雨水慈善基金会/ Tau财团的资助。Stuart Katz和Jane Martin和宾夕法尼亚大学和波士顿大学的研究人员为这项研究做出了贡献。