Znanstvenici su razvili sofisticirane modele umjetne inteligencije koji mogu s iznimnom točnošću predvidjeti starost mozga koristeći standardne MRI snimke, prema istraživanju objavljenom u časopisu Nature Communications 5. srpnja 2025.
Studija pokazuje kako algoritmi dubokog učenja, posebno konvolucijske neuronske mreže (CNN), mogu analizirati strukturne MRI podatke mozga kako bi procijenili biološku starost osobe. Za razliku od prijašnjih pristupa koji su se oslanjali na unaprijed izdvojene značajke, ovi AI modeli uče izravno iz sirovih MRI podataka, hvatajući suptilne obrasce koji bi inače mogli proći nezapaženo.
Razlika između AI-predviđene starosti mozga i kronološke dobi, poznata kao razmak starosti mozga (BAG) ili razlika predviđene dobi (PAD), služi kao snažan biomarker za zdravlje mozga. Pozitivan razmak—kada je predviđena starost veća od kronološke—povezan je s kognitivnim oštećenjima, povećanim rizikom od neurodegenerativnih bolesti te lošijim fizičkim i mentalnim zdravljem.
"Razmak starosti mozga omogućuje kvantificiranje zdravlja mozga pojedinca mjerenjem odstupanja od normativne putanje starenja," objašnjava vodeći istraživač. "To bi moglo pomoći u prepoznavanju osoba s povećanim rizikom za bolesti poput Alzheimerove ili Parkinsonove godine prije pojave simptoma."
Istraživački tim trenirao je svoje modele na tisućama snimaka mozga zdravih ispitanika prije nego što ih je validirao na neovisnim skupovima podataka. Modeli su postigli impresivnu točnost s prosječnim apsolutnim pogreškama od svega 4-5 godina. Važno je istaknuti da je tehnologija pokazala visoku pouzdanost na različitoj MRI opremi i protokolima.
Ovo postignuće predstavlja značajan korak prema personaliziranom praćenju zdravlja mozga. Kako globalna populacija stari, ovakvi alati mogli bi biti neprocjenjivi za strategije rane intervencije, potencijalno omogućujući kliničarima provedbu preventivnih mjera prije nego što dođe do nepovratne neurodegeneracije. Znanstvenici su već započeli s istraživanjem primjene u kliničkoj praksi, s obećavajućim preliminarnim rezultatima u predviđanju kognitivnog pada.