Tutkijat ovat kehittäneet kehittyneitä tekoälymalleja, jotka kykenevät ennustamaan aivojen iän poikkeuksellisen tarkasti tavallisten MRI-kuvien avulla, kertoo Nature Communications -lehdessä 5. heinäkuuta 2025 julkaistu tutkimus.
Tutkimuksessa osoitetaan, kuinka syväoppimisalgoritmit, erityisesti konvoluutioneuroverkot (CNN), voivat analysoida aivojen rakenteellisia MRI-kuvia ja arvioida henkilön biologisen aivoiän. Toisin kuin aiemmat menetelmät, jotka perustuivat valmiiksi poimittuihin piirteisiin, nämä tekoälymallit oppivat suoraan raakadatan perusteella, tunnistaen hienovaraisia kuvioita, jotka muuten saattaisivat jäädä huomaamatta.
Tekoälyn ennustaman aivoiän ja todellisen iän välinen ero, jota kutsutaan aivoiän erotukseksi (BAG, brain age gap) tai ennustetun iän eroksi (PAD, predicted age difference), toimii vahvana biomarkkerina aivojen terveydelle. Positiivinen ero – eli ennustettu ikä on suurempi kuin todellinen ikä – on yhdistetty kognitiivisiin heikentymiin, lisääntyneeseen neurodegeneratiivisten sairauksien riskiin sekä heikompaan fyysiseen ja psyykkiseen toimintakykyyn.
"Aivoiän erotus tarjoaa keinon mitata yksilön aivojen terveyttä vertaamalla sitä normaalin ikääntymisen kehitykseen", tutkimuksen johtaja selittää. "Tämän avulla voidaan tunnistaa henkilöitä, joilla on riski sairastua esimerkiksi Alzheimerin tai Parkinsonin tautiin jo vuosia ennen oireiden ilmaantumista."
Tutkimusryhmä koulutti mallejaan tuhansilla terveiden henkilöiden aivokuvilla ja varmisti tulokset riippumattomilla aineistoilla. Mallit saavuttivat vaikuttavan tarkkuuden: keskimääräinen absoluuttinen virhe oli vain 4–5 vuotta. Merkittävää on myös se, että teknologia osoitti vahvaa luotettavuutta erilaisilla kuvauslaitteilla ja -protokollilla.
Tämä edistysaskel vie kohti yksilöllistä aivojen terveyden seurantaa. Väestön ikääntyessä tällaiset työkalut voivat olla korvaamattomia varhaisen puuttumisen strategioissa, mahdollistaen ehkäisevät toimenpiteet jo ennen pysyvän neurodegeneraation alkamista. Tutkijat ovat jo aloittaneet teknologian soveltamisen kliinisissä ympäristöissä, ja alustavat tulokset kognitiivisen heikentymisen ennustamisessa ovat lupaavia.