Hoe oud is jouw brein? kunstmatige intelligentie weet het

Een nieuw kunstmatige-intelligentiemodel dat MRI-hersenscans analyseert, ontwikkeld door USC-onderzoekers, zou kunnen worden gebruikt om de cognitieve achteruitgang in verband met neurodegeneratieve ziekten zoals de ziekte van Alzheimer veel eerder vast te leggen dan eerdere methoden.

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 bevindingen, onlangs 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 en neurowetenschappen aan de USC Leonard Davis School of Gerontology en corresponderende auteur van de studie.

« Mensen verouderen in verschillende snelheden, net als weefseltypes in het lichaam, » zei Irimia. « We kennen het in de volksmond als we zeggen: ‘Die en die is 40, maar lijkt 30.’ Hetzelfde idee is van toepassing op de hersenen. De hersenen van een 40-jarige kunnen er zo « jong » uitzien als die van een 30-jarige, of zo « oud » als die van een 60-jarige.

Hersenveroudering: een nauwkeuriger alternatief voor bestaande methodes

De onderzoekers verzamelden hersen-MRI-scans 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 hen USC Dornsife College van Letteren, Kunsten en Wetenschappen.

« Hoe eerder we mensen met een hoog risico op de ziekte van Alzheimer kunnen identificeren, hoe eerder clinici kunnen ingrijpen met behandelingsopties, monitoren en ziektemanagement.”

Hersenveroudering: sekseverschillen

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.

Bron: USC