Επιστήμονες ανέπτυξαν προηγμένα μοντέλα τεχνητής νοημοσύνης που μπορούν να προβλέψουν με εντυπωσιακή ακρίβεια την ηλικία του εγκεφάλου χρησιμοποιώντας τυπικές απεικονίσεις MRI, σύμφωνα με έρευνα που δημοσιεύθηκε στο Nature Communications στις 5 Ιουλίου 2025.
Η μελέτη δείχνει πώς οι αλγόριθμοι βαθιάς μάθησης, και ειδικότερα τα συνελικτικά νευρωνικά δίκτυα (CNNs), μπορούν να αναλύσουν δομικά δεδομένα MRI του εγκεφάλου για να εκτιμήσουν τη βιολογική ηλικία ενός ατόμου. Σε αντίθεση με προηγούμενες προσεγγίσεις που βασίζονταν σε προεξαγόμενα χαρακτηριστικά, αυτά τα μοντέλα τεχνητής νοημοσύνης μαθαίνουν απευθείας από τα ακατέργαστα δεδομένα MRI, εντοπίζοντας λεπτές δομικές διαφοροποιήσεις που διαφορετικά θα περνούσαν απαρατήρητες.
Η διαφορά μεταξύ της προβλεπόμενης από την τεχνητή νοημοσύνη ηλικίας του εγκεφάλου και της χρονολογικής ηλικίας, γνωστή ως χάσμα ηλικίας εγκεφάλου (BAG) ή διαφορά προβλεπόμενης ηλικίας (PAD), λειτουργεί ως ισχυρός βιοδείκτης για την υγεία του εγκεφάλου. Ένα θετικό χάσμα—όταν η προβλεπόμενη ηλικία υπερβαίνει τη χρονολογική—σχετίζεται με γνωστικές διαταραχές, αυξημένο κίνδυνο νευροεκφυλιστικών νόσων και χειρότερα σωματικά και ψυχικά αποτελέσματα.
«Το χάσμα ηλικίας εγκεφάλου παρέχει έναν τρόπο ποσοτικοποίησης της εγκεφαλικής υγείας ενός ατόμου, μετρώντας την απόκλιση από τη φυσιολογική πορεία γήρανσης», εξηγεί ο επικεφαλής ερευνητής. «Αυτό θα μπορούσε να βοηθήσει στον εντοπισμό ατόμων με αυξημένο κίνδυνο για παθήσεις όπως η νόσος Αλτσχάιμερ ή Πάρκινσον, χρόνια πριν εμφανιστούν τα συμπτώματα.»
Η ερευνητική ομάδα εκπαίδευσε τα μοντέλα της σε χιλιάδες απεικονίσεις εγκεφάλου υγιών ατόμων, πριν τα επικυρώσει σε ανεξάρτητα σύνολα δεδομένων. Τα μοντέλα πέτυχαν εντυπωσιακή ακρίβεια, με μέσο απόλυτο σφάλμα μόλις 4-5 έτη. Σημαντικό είναι ότι η τεχνολογία επέδειξε υψηλή αξιοπιστία σε διαφορετικούς τύπους εξοπλισμού και πρωτοκόλλων απεικόνισης.
Αυτή η εξέλιξη αποτελεί σημαντικό βήμα προς την εξατομικευμένη παρακολούθηση της υγείας του εγκεφάλου. Καθώς ο παγκόσμιος πληθυσμός γερνά, τέτοια εργαλεία θα μπορούσαν να αποδειχθούν ανεκτίμητα για στρατηγικές έγκαιρης παρέμβασης, επιτρέποντας στους κλινικούς γιατρούς να εφαρμόζουν προληπτικά μέτρα πριν επέλθει μη αναστρέψιμη νευροεκφύλιση. Οι ερευνητές έχουν ήδη ξεκινήσει να διερευνούν εφαρμογές σε κλινικά περιβάλλοντα, με ενθαρρυντικά προκαταρκτικά αποτελέσματα στην πρόβλεψη γνωστικής έκπτωσης.