Hoe oud is je brein eigenlijk? Door AI aangestuurde analyse geeft nauwkeurig het risico op cognitieve achteruitgang weer

Het menselijk brein bevat veel aanwijzingen voor de gezondheid van een persoon op de lange termijn – onderzoek toont zelfs aan dat iemands hersenleeftijd een bruikbarere en nauwkeurigere voorspeller is van gezondheidsrisico’s en toekomstige ziekten dan zijn geboortedatum.

Nu een nieuwe kunstmatige intelligentie (AI) dat hersenscans met magnetische resonantiebeeldvorming (MRI) analyseert die zijn ontwikkeld door USC-onderzoekers, kunnen veel eerder dan eerdere methoden worden gebruikt om nauwkeurig cognitieve achteruitgang vast te leggen die verband houdt met neurodegeneratieve ziekten zoals de ziekte van Alzheimer.

Hersenveroudering wordt beschouwd als een betrouwbare biomarker voor het risico op neurodegeneratieve ziekten. Dit risico neemt toe wanneer de hersenen van een persoon kenmerken hebben die « ouder » lijken dan verwacht voor iemand van zijn leeftijd.

Door gebruik te maken van het diepgaande leervermogen van het nieuwe AI-model van het team om scans te analyseren, kunnen onderzoekers subtiele markeringen van de hersenanatomie detecteren die anders erg moeilijk te detecteren zijn en die correleren met de cognitieve achteruitgang. Hun conclusies, dinsdag 2 januari gepubliceerd in het tijdschrift Procedures van de National Academy of Sciencesongekend inzicht bieden in de menselijke cognitie.

« Onze studie maakt gebruik van de kracht van diep leren om gebieden van de hersenen te identificeren die verouderen op een manier die cognitieve achteruitgang weerspiegelt die kan leiden tot de ziekte van Alzheimer, » zei Andrej Irimiaassistent-professor gerontologie, biomedische technologie, kwantitatieve en computationele biologie en neurowetenschappen aan de USC Leonard Davis School of Gerontology en corresponderende auteur van de studie.

“Mensen verouderen in verschillende snelheden, evenals weefseltypes in het lichaam. We kennen het vertrouwd als we zeggen: « Die en die is veertig, maar ziet er dertig uit. » Hetzelfde idee is van toepassing op de hersenen. Het brein van een veertigjarige man kan er zo ‘jong’ uitzien als dat van een dertigjarige, of zo ‘oud’ als dat van een zestigjarige.

Een nauwkeuriger alternatief voor bestaande methoden

Irimia en haar team verzamelden hersen-MRI’s van 4.681 cognitief normale deelnemers, van wie sommigen op latere leeftijd cognitieve achteruitgang of de ziekte van Alzheimer ontwikkelden.

Met behulp van deze gegevens creëerden ze een AI-model, een neuraal netwerk genaamd, om de leeftijd van deelnemers te voorspellen op basis van hun hersen-MRI’s. Eerst hebben de onderzoekers het netwerk getraind om gedetailleerde anatomische hersenkaarten te maken die onderwerpspecifieke verouderingspatronen onthullen.

Vervolgens vergeleken ze de waargenomen (biologische) hersenleeftijden met de werkelijke (chronologische) leeftijden van de studiedeelnemers. Hoe groter het verschil tussen de twee, hoe slechter de cognitieve scores van de deelnemers, wat het risico op Alzheimer weerspiegelt

De resultaten laten zien dat het model van het team de werkelijke (chronologische) leeftijd van cognitief normale deelnemers kan voorspellen met een gemiddelde absolute fout van 2,3 jaar, wat ongeveer een jaar nauwkeuriger is dan een bestaand prijswinnend model voor de schatting van de hersenleeftijd dat een verschillende neurale netwerkarchitecturen.

« Interpreteerbare AI kan een krachtig hulpmiddel worden voor het beoordelen van het risico op de ziekte van Alzheimer en andere neurocognitieve ziekten », zegt Irimia, die ook faculteitsposities bekleedt aan de USC Viterbi School of Engineering en het USC Dornsife College of Letters, Arts and Sciences.

“Hoe eerder we mensen met een hoog risico op de ziekte van Alzheimer kunnen identificeren, hoe eerder clinici kunnen ingrijpen met behandelingsopties, monitoring en ziektebeheer. Wat AI bijzonder krachtig maakt, is het vermogen om subtiele en complexe kenmerken van veroudering te detecteren die andere methoden niet kunnen en die de sleutel zijn tot het identificeren van het risico van een persoon vele jaren voordat ze het risico lopen de ziekte te ontwikkelen.

De hersenen verouderen anders, afhankelijk van het geslacht

Het nieuwe model onthult ook seksespecifieke verschillen in hoe veroudering varieert tussen hersengebieden. Bepaalde delen van de hersenen verouderen sneller bij mannen dan bij vrouwen, en vice versa.

Mannen, die een hoger risico lopen op motorische stoornissen als gevolg van de ziekte van Parkinson, ervaren snellere veroudering in de motorische cortex van de hersenen, een gebied dat verantwoordelijk is voor de motorische functie. De resultaten laten ook zien dat bij vrouwen de typische veroudering relatief langzamer kan zijn in de rechterhersenhelft.

Een veelbelovend opkomend studiegebied voor gepersonaliseerde geneeskunde

De toepassingen van dit werk gaan veel verder dan ziekterisicobeoordeling. Irimia stelt zich een wereld voor waarin nieuwe deep learning-methoden die in het onderzoek zijn ontwikkeld, worden gebruikt om mensen te helpen begrijpen hoe snel ze in het algemeen ouder worden.

« Een van de belangrijkste toepassingen van ons werk is het potentieel om de weg vrij te maken voor interventies op maat die de unieke verouderingspatronen van elk individu aanpakken », aldus Irimia.

« Veel mensen zouden geïnteresseerd zijn in het kennen van hun werkelijke verouderingspercentage. De informatie kan ons aanwijzingen geven over verschillende levensstijlveranderingen of interventies die een persoon zou kunnen toepassen om zijn algehele gezondheid en welzijn te verbeteren. Onze methoden kunnen worden gebruikt om patiëntgerichte behandelplannen en gepersonaliseerde hersenverouderingskaarten te ontwerpen die aantrekkelijk kunnen zijn voor mensen met verschillende gezondheidsbehoeften en doelen.

Over de studie

Studie auteurs omvatten Phoebe Imms, Anar Amgalan, Nahian F. Chowdhury, Roy J. Massett en Nikhil N. Chaudhari van USC Leonard Davis School of Gerontology; en Chenzhong Yin, Mingxi Cheng, Xinghe Chen, Paul M. Thompson en Paul Bogdan van USC Viterbi School of Engineering; en zijn collega’s bij het Alzheimer’s Disease Neuroimaging Initiative.