O nouă tehnologie AI, Surreal-GUN, identifică modele de îmbătrânire a creierului

Această tehnologie poate ajuta la identificarea factorilor de risc şi a mecanismelor implicate în îmbătrânirea creierului, precum şi la terapii pentru a întârzia sau a preveni declinul congnitiv.

Într-un studiu recent publicat în Nature Medicine, cercetătorii utilizează „Surreal-GAN” alimentat cu inteligenţă artificială (AI), un model de învăţare cu reprezentare profundă, pentru a examina eterogenitatea îmbătrânirii creierului.

Îmbătrânirea creierului uman suferă numeroase modificări structurale care variază în funcţie de genetică, de stilul de viaţă al individului şi de prezenţa unor boli coexistente. Această eterogenitate în îmbătrânirea creierului este, de asemenea, influenţată de factori care pot exacerba sau proteja împotriva proceselor neuropatologice legate de vârstă.

Modificări timpurii şi subtile în anumite regiuni ale creierului pot apărea în timpul fazelor preclinice ale bolilor neurodegenerative precum boala Alzheimer. Prin urmare, este esenţial să se înţeleagă aceste modificări neuroanatomice într-un spectru larg de indivizi.

Studiile tradiţionale de neuroimagistică au oferit informaţii importante cu privire la rolul îmbătrânirii şi al bolilor în modificarea structurii şi funcţiei creierului, bazându-se adesea pe comparaţii caz-control. Cu toate acestea, aceste metode sunt limitate în ceea ce priveşte capacitatea lor de a aborda eterogenitatea individuală, deoarece se concentrează de obicei asupra modelelor medii, mai degrabă decât să surprindă diversele modificări neuroanatomice de la un individ la altul.

Abordările de învăţare automată (ML) au fost utilizate cu succes pentru a identifica biomarkeri neuroimagistici la nivel individual al îmbătrânirii creierului. Cu toate acestea, aceste metode adesea nu iau în considerare eterogenitatea subiacentă şi, ca urmare, identifică doar biomarkeri care reflectă un model tipic sau mediu.

Partea practică

Studiul a utilizat Surreal-GAN pentru a analiza modelele de îmbătrânire a creierului prin învăţarea transformărilor unu-la-mulţi de la o populaţie de referinţă (REF) la o populaţie ţintă (TAR) pentru a surprinde modificările eterogene ale creierului. Aceste date sunt apoi distilate în indici de reprezentare (R) care cuantifică severitatea modificărilor cerebrale individualizate de-a lungul mai multor dimensiuni.

Grupul REF a cuprins 1.150 de participanţi cu vârste cuprinse între 20 şi 49 de ani, în timp ce grupul TAR a inclus 8.992 de persoane cu vârste cuprinse între 50 şi 97 de ani, inclusiv cele cu insuficienţă cognitivă uşoară (MCI) sau demenţă.

Pentru a asigura robusteţea, reproductibilitatea modelului a fost testată pe un set de antrenament independent şi pe sexe. De asemenea, cercetătorii au asociat indicii R cu măsuri demografice, clinice, neurocognitive, de stil de viaţă şi genetice utilizând corelaţii parţiale, morfometrie bazată pe voxel şi studii de asociere la nivel de genom (GWAS).

Asociaţiile bolilor cronice au fost explorate prin analiza de regresie liniară multiplă care a ajustat atât pentru vârstă, cât şi pentru sex. Capacităţile de prognostic au fost evaluate utilizând modele de hazard proporţional Cox pe date longitudinale.

Cinci indici R distincţi R1, R2, R3, R4 şi R5 au reprezentat atrofia subcorticală, lobul temporal medial, parieto-temporal, cortical difuz şi perisilvian. Aceşti indici au fost asociaţi semnificativ cu variabile demografice, cum ar fi vârsta şi sexul, precum şi cu mai multe boli cronice, inclusiv MCI, demenţă, schizofrenie şi boala Parkinson.

R2, R3 şi R5 au fost puternic corelate cu biomarkerii bolii Alzheimer, în special lichidul cefalorahidian (CSF)-pTau181 şi CSF-Aβ42. R5 a fost asociat cu o gamă largă de boli cronice şi factori de stil de viaţă, cum ar fi consumul de alcool şi fumatul.

Indicii R de referinţă au fost predictori puternici ai progresiei bolii de la cognitiv normal la MCI şi de la MCI la demenţă, precum şi ai riscului de mortalitate.

Studiul actual este consolidat de utilizarea unei metodologii Surreal-GAN îmbunătăţite cu aplicabilitate largă pentru descoperirea modelelor de îmbătrânire a creierului, oferind astfel un sistem extensibil aplicabil la diverse întrebări de cercetare. Cu toate acestea, limitările notabile ale studiului actual includ subreprezentarea patologiilor neobişnuite şi a anumitor boli, precum şi pragul de vârstă ales, care poate ascunde unele modificări preclinice în grupul REF.

Cercetătorii au dezvoltat Surreal-GAN, un sistem de reprezentare în cinci dimensiuni pentru a caracteriza eterogenitatea neuroanatomică a îmbătrânirii creierului. Surreal-GAN oferă un instrument nou pentru disecarea eterogenităţii atrofiei cerebrale şi înţelegerea legăturilor sale cu factorii demografici, patologici, stilul de viaţă şi variantele genetice. În plus, Surreal-GAN are, de asemenea, potenţialul de a îmbunătăţi diagnosticarea personalizată, gestionarea pacienţilor şi de a îmbunătăţi precizia şi eficacitatea studiilor clinice.