menu
close

Modele AI przewidują zdrowie mózgu na podstawie skanów MRI

Przełomowe badania opublikowane w Nature Communications pokazują, że sztuczna inteligencja może precyzyjnie oszacować wiek mózgu na podstawie danych z rezonansu magnetycznego, co może zrewolucjonizować wczesne wykrywanie chorób neurodegeneracyjnych. Naukowcy wytrenowali głębokie sieci neuronowe do identyfikowania odchyleń między przewidywanym wiekiem mózgu a wiekiem metrykalnym, tworząc cenny biomarker do oceny zdrowia mózgu. Technologia ta może umożliwić wcześniejsze interwencje w przypadku takich schorzeń jak choroba Alzheimera, zanim pojawią się objawy.
Modele AI przewidują zdrowie mózgu na podstawie skanów MRI

Naukowcy opracowali zaawansowane modele sztucznej inteligencji, które potrafią z niezwykłą precyzją przewidywać wiek mózgu na podstawie standardowych skanów MRI, jak wynika z badań opublikowanych w Nature Communications 5 lipca 2025 roku.

Badanie pokazuje, jak algorytmy głębokiego uczenia, w szczególności konwolucyjne sieci neuronowe (CNN), mogą analizować strukturalne dane MRI mózgu, aby oszacować biologiczny wiek mózgu danej osoby. W przeciwieństwie do wcześniejszych metod opierających się na uprzednio wyodrębnionych cechach, te modele AI uczą się bezpośrednio na surowych danych MRI, wychwytując subtelne wzorce, które mogłyby pozostać niezauważone.

Różnica między przewidywanym przez AI wiekiem mózgu a wiekiem metrykalnym, znana jako brain age gap (BAG) lub predicted age difference (PAD), stanowi potężny biomarker zdrowia mózgu. Dodatni wynik—gdy przewidywany wiek przekracza wiek metrykalny—wiąże się z zaburzeniami poznawczymi, zwiększonym ryzykiem chorób neurodegeneracyjnych oraz gorszymi wynikami w zakresie kondycji fizycznej i psychicznej.

"Brain age gap pozwala ilościowo ocenić zdrowie mózgu danej osoby poprzez pomiar odchylenia od normatywnej trajektorii starzenia," wyjaśnia główny autor badania. "Może to pomóc w identyfikacji osób zagrożonych chorobami takimi jak Alzheimer czy Parkinson na wiele lat przed pojawieniem się objawów."

Zespół badawczy wytrenował swoje modele na tysiącach skanów mózgów zdrowych osób, a następnie zweryfikował ich skuteczność na niezależnych zbiorach danych. Modele osiągnęły imponującą dokładność, z przeciętnym błędem bezwzględnym na poziomie zaledwie 4-5 lat. Co istotne, technologia wykazała wysoką niezawodność niezależnie od używanego sprzętu i protokołów skanowania.

Ten postęp stanowi istotny krok w kierunku spersonalizowanego monitorowania zdrowia mózgu. W obliczu starzejącej się globalnej populacji takie narzędzia mogą okazać się nieocenione w strategiach wczesnej interwencji, potencjalnie umożliwiając lekarzom wdrożenie działań profilaktycznych zanim dojdzie do nieodwracalnych zmian neurodegeneracyjnych. Naukowcy już rozpoczęli testowanie zastosowań klinicznych tej technologii, uzyskując obiecujące wstępne wyniki w przewidywaniu spadku funkcji poznawczych.

Source:

Latest News