Lähes 50 000 aivoskannauksen analyysi on paljastanut viisi erilaista aivojen surkastumista, jotka liittyvät ikääntymiseen ja hermostoa rappeutuviin sairauksiin. Analyysi yhdisti mallit myös elämäntapatekijöihin, kuten tupakointiin ja alkoholinkäyttöön, sekä geneettisiin ja veripohjaisiin markkereihin, jotka liittyvät terveydentilaan ja sairausriskiin.

Teos on "metodologinen mestariteos", joka voisi merkittävästi edistää tutkijoiden ymmärrystä ikääntymisestä, sanoo gerontologi Andrei Irimia Etelä-Kalifornian yliopistosta Los Angelesista, joka ei ollut mukana työhön. "Ennen tätä tutkimusta tiesimme, että aivojen anatomia muuttuu ikääntymisen ja sairauksien myötä. Mutta kykymme vangita tämä monimutkainen vuorovaikutus oli paljon vaatimattomampi."

Tutkimus tehtiin elokuun 15Luonnonlääketiedejulkaistu.

Rypyt aivoissa

Ikääntyminen voi aiheuttaa harmaiden hiusten lisäksi myös muutoksia aivojen anatomiassa, jotka näkyvät magneettikuvauskuvissa, ja jotkut alueet kutistuvat tai käyvät läpi rakenteellisia muutoksia ajan myötä. Nämä muutokset ovat kuitenkin hienovaraisia. "Ihmissilmä ei pysty havaitsemaan järjestelmällisiä aivomuutoksia", jotka liittyvät tähän hajoamiseen, sanoo Christos Davatzikos, biolääketieteellisen kuvantamisen asiantuntija Pennsylvanian yliopistosta Philadelphiassa ja artikkelin kirjoittaja.

Aiemmat tutkimukset ovat osoittaneet, että koneoppiminen voi poimia ikääntymisen hienovaraisia ​​sormenjälkiä MRI-tiedoista. Nämä tutkimukset olivat kuitenkin usein rajallisia, ja ne sisälsivät yleensä tietoja suhteellisen pieneltä ihmisjoukolta.

Laajempien mallien tunnistamiseksi Davatzikosin tiimi aloitti tutkimuksen, jonka loppuun saattaminen ja julkaiseminen kesti noin kahdeksan vuotta. He käyttivät syvää oppimismenetelmää nimeltä Surreal-GAN, jonka ensimmäinen kirjailija Zhijian Yang kehitti ollessaan opiskelija Davatzikosin laboratoriossa. Tutkijat kouluttivat algoritmia käyttämällä aivojen MRI-kuvia 1 150 terveeltä 20–49-vuotiaalta ja 8 992 iäkkäältä aikuiselta, joista monilla oli kognitiivisia vammoja. Tämä opetti algoritmin tunnistamaan ikääntyvien aivojen toistuvia piirteitä, jolloin se pystyi rakentamaan sisäisen mallin anatomisista rakenteista, jotka muuttuvat samanaikaisesti, toisin kuin ne, jotka pyrkivät muuttumaan itsenäisesti.

Sitten tutkijat sovelsivat tuloksena saatua mallia lähes 50 000 ihmisen magneettikuvauksiin, jotka osallistuivat erilaisiin ikääntymistä ja neurologista terveyttä koskeviin tutkimuksiin. Tämä analyysi tarjosi viisi erillistä aivojen surkastumismallia. Tutkijat yhdistivät erityyppiset ikään liittyvät aivojen rappeumat näiden viiden mallin yhdistelmiin, vaikka saman sairauden ihmisten välillä oli joitain eroja.

Ikääntymisen kuviot

Esimerkiksi dementialla ja sen esiasteella, lievällä kognitiivisella heikkenemisellä, oli yhteyksiä kolmeen viidestä mallista. Mielenkiintoista on, että tutkijat löysivät myös todisteita siitä, että heidän tunnistamiaan malleja voitaisiin mahdollisesti käyttää paljastamaan aivojen lisärappeutumisen todennäköisyys tulevaisuudessa. "Jos haluat ennustaa siirtymistä kognitiivisesti normaalista tilasta lievään kognitiiviseen heikkenemiseen, yksi asia oli ennakoivin", Davatzikos sanoo. "Myöhemmissä vaiheissa toisen [kuvion] lisääminen rikastuttaa ennustettasi, mikä on järkevää, koska tämä vangitsee patologian leviämisen." Muut mallit liittyivät sairauksiin, kuten Parkinsonin ja Alzheimerin tautiin, sekä kolmen kuvion yhdistelmään, jotka ennakoivat voimakkaasti kuolleisuutta.

Kirjoittajat löysivät selkeitä yhteyksiä tiettyjen aivojen surkastumisen mallien ja useiden fysiologisten ja ympäristötekijöiden, kuten alkoholin ja tupakoinnin, sekä useiden terveyteen liittyvien geneettisten ja biokemiallisten tekijöiden välillä. Davatzikos sanoo, että nämä tulokset heijastavat todennäköisesti yleisen fyysisen hyvinvoinnin vaikutusta neurologiseen terveyteen, koska muiden elinjärjestelmien vaurioilla voi olla seurauksia aivoille.

Davatzikos kuitenkin varoittaa, että tutkimus "ei tarkoita, että kaikki voidaan vähentää viiteen numeroon", ja hänen tiiminsä aikoo työskennellä tietokokonaisuuksien kanssa, jotka sisältävät laajemman valikoiman neurologisia sairauksia ja joilla on suurempi etninen ja kulttuurinen monimuotoisuus.