大腦老化速度加快往往與較高的認知障礙風險密切相關。根據最新的研究論文，目前有一款新的人工智慧（AI）模型可測量大腦的衰老速度，有助於預防認知能力的下降。

根據一項由南加州大學的研究，研究人員透過對認知正常的成年人進行3000多次核磁共振掃描，訓練了一個三維卷積神經網絡（3D-Convolutional Neural Networks，簡稱CNN），這是一類包含卷積計算且具有深度結構的前饋神經網絡，是深度學習的演算法代表之一。

南加州大學首創的這種3D-CNN工具透過分析磁振造影（MRI）掃描，以非侵入性的方式追蹤大腦老化速度，提供了一種精確的方法來測量大腦隨著時間的推移如何老化。此模型可望成為理解、預防和治療認知衰退及失智症的強大工具。

論文的主要作者、南加州大學老年學、生物醫學工程、定量與計算生物學和神經科學副教授Andrei Irimia表示，“這是一種新穎的測量方法，可以改變我們在研究實驗室和臨床中追踪大腦健康的方式。”他還補充道，“了解一個人的大腦衰老有多快是很有幫助的。”

這篇論文於本週一（2月24日）發表在了《美國國家科學院院刊》。

根據Irimia的說法，一個人的生物學年齡（BA）是不同於個體的實際年齡（CA）。這意味著，出生日期相同的兩個人可能會有非常不同的生物學年齡，因為他們的身體功能以及身體組織在細胞層面的「年齡」存在差異。

研究小組表示，「繪製大腦老化的速度P可以幫助識別神經老化的異常率，這將有助於識別一些神經退化性疾病的風險。雖然神經退化性疾病的風險確實是隨著實際年齡（CA）的增長而增加，但每個人的生物老化在細胞、組織、器官和個體之間是不同的，這同樣會提高神經退化性疾病的風險。」

新開發的3D-CNN透過分析同一患者在不同時間點的MRI掃描，提供了更精確的方法來測量大腦是如何隨著時間的推移而老化的。

與傳統的橫斷面檢測方法（透過單一時間點的一次掃描來估計大腦年齡）不同，新的縱向模型（LM）比較了同一個體在多個時間點的MRI掃描，從而更準確地反映了大腦衰老的加速或減緩，並明確了與之相關的神經解剖學變化。

研究小組首先將此模型應用於認知正常的成年人身上，並透過3000多次MRI掃描進行訓練，從而驗證了模型。隨後將其應用於104名認知正常的成年人和140名阿茲海默症患者，結果顯示，新模型對大腦老化速度的計算與研究團隊對受試對象進行的認知測試的變化密切相關，新模型確有可能更好地描述大腦健康的衰老速度。

南加州大學電子與電腦工程副教授Paul Bogdan指出，“這些測量與認知測試結果的一致性表明，該框架可能作為神經認知衰退的早期生物標誌物。此外，它還證明了它在認知正常人群和認知障礙人群中的適用性。”

Irimia補充道，“大腦老化的速度與認知功能的變化密切相關。”

「所以，如果你的大腦老化速度快，你的認知功能就更有可能出現高退化，包括記憶、執行速度、執行功能和處理速度。我們在解剖學上看到的變化與我們在這些人的認知中看到的變化有關。”