menu
close

AI-modeller forudsiger hjernens sundhed ud fra MR-scanninger

Et banebrydende studie offentliggjort i Nature Communications afslører, at kunstig intelligens nøjagtigt kan estimere hjernens alder ud fra MR-data, hvilket potentielt kan revolutionere den tidlige opdagelse af neurodegenerative sygdomme. Forskere har trænet dybe neurale netværk til at identificere afvigelser mellem forudsagt hjernealder og kronologisk alder, hvilket skaber en værdifuld biomarkør for vurdering af hjernens sundhed. Denne teknologi kan muliggøre tidligere indgreb mod sygdomme som Alzheimers, før symptomerne viser sig.
AI-modeller forudsiger hjernens sundhed ud fra MR-scanninger

Forskere har udviklet avancerede modeller baseret på kunstig intelligens, der med bemærkelsesværdig præcision kan forudsige hjernens alder ved hjælp af standard MR-scanninger, ifølge forskning offentliggjort i Nature Communications den 5. juli 2025.

Studiet demonstrerer, hvordan dybe læringsalgoritmer, især konvolutionelle neurale netværk (CNN'er), kan analysere strukturelle MR-data fra hjernen for at estimere en persons biologiske hjernealder. I modsætning til tidligere metoder, der var afhængige af forududtrukne træk, lærer disse AI-modeller direkte fra rå MR-data og opfanger subtile mønstre, som ellers kunne gå ubemærket hen.

Forskellen mellem AI-forudsagt hjernealder og kronologisk alder, kendt som 'brain age gap' (BAG) eller 'predicted age difference' (PAD), fungerer som en stærk biomarkør for hjernens sundhed. Et positivt gap—hvor den forudsagte alder overstiger den kronologiske alder—er blevet forbundet med kognitive forringelser, øget risiko for neurodegenerative sygdomme samt dårligere fysisk og mental sundhed.

"Brain age gap giver en måde at kvantificere en persons hjernesundhed på ved at måle afvigelsen fra det normale aldringsforløb," forklarer den ledende forsker. "Dette kan hjælpe med at identificere personer i risiko for sygdomme som Alzheimers eller Parkinsons år før symptomerne viser sig."

Forskerholdet trænede deres modeller på tusindvis af hjernescanninger fra raske forsøgspersoner og validerede derefter resultaterne på uafhængige datasæt. Modellerne opnåede imponerende nøjagtighed med gennemsnitlige absolutte fejl helt ned til 4-5 år. Vigtigt er det, at teknologien viste høj pålidelighed på tværs af forskellige scanningsudstyr og protokoller.

Denne udvikling repræsenterer et betydeligt skridt mod personlig overvågning af hjernens sundhed. I takt med at verdens befolkning ældes, kan sådanne værktøjer vise sig uvurderlige for tidlige interventionsstrategier og potentielt gøre det muligt for klinikere at iværksætte forebyggende tiltag, før irreversibel neurodegeneration opstår. Forskerne er allerede begyndt at udforske anvendelser i kliniske sammenhænge, med lovende foreløbige resultater for forudsigelse af kognitiv tilbagegang.

Source:

Latest News