Secondo una ricerca pubblicata su Nature Communications il 5 luglio 2025, gli scienziati hanno sviluppato sofisticati modelli di intelligenza artificiale in grado di prevedere con notevole accuratezza l’età cerebrale utilizzando comuni scansioni MRI.
Lo studio dimostra come gli algoritmi di deep learning, in particolare le reti neurali convoluzionali (CNN), possano analizzare i dati strutturali delle risonanze magnetiche per stimare l’età biologica del cervello di una persona. A differenza degli approcci precedenti, che si basavano su caratteristiche pre-estratte, questi modelli di IA apprendono direttamente dai dati grezzi delle MRI, cogliendo schemi sottili che altrimenti potrebbero passare inosservati.
La differenza tra l’età cerebrale prevista dall’IA e l’età cronologica, nota come brain age gap (BAG) o predicted age difference (PAD), rappresenta un potente biomarcatore per la salute del cervello. Un gap positivo—ovvero quando l’età prevista supera quella cronologica—è stato associato a deficit cognitivi, aumento del rischio di malattie neurodegenerative e peggiori esiti sia fisici che mentali.
"Il brain age gap offre un modo per quantificare la salute cerebrale di un individuo misurando la deviazione dal normale percorso di invecchiamento", spiega il ricercatore principale. "Questo potrebbe aiutare a identificare persone a rischio di condizioni come Alzheimer o Parkinson anni prima della comparsa dei sintomi."
Il team di ricerca ha addestrato i propri modelli su migliaia di scansioni cerebrali di soggetti sani, per poi validarli su dataset indipendenti. I modelli hanno raggiunto un’accuratezza notevole, con errori assoluti medi di soli 4-5 anni. È importante sottolineare che la tecnologia ha dimostrato una forte affidabilità su diversi tipi di apparecchiature e protocolli di scansione.
Questo progresso rappresenta un passo significativo verso il monitoraggio personalizzato della salute cerebrale. Con l’invecchiamento della popolazione mondiale, strumenti di questo tipo potrebbero rivelarsi preziosi per strategie di intervento precoce, permettendo ai clinici di attuare misure preventive prima che si verifichi una neurodegenerazione irreversibile. I ricercatori hanno già iniziato a esplorare applicazioni in ambito clinico, con risultati preliminari promettenti nella previsione del declino cognitivo.