Вчені розробили складні моделі штучного інтелекту, здатні з надзвичайною точністю прогнозувати вік мозку за допомогою стандартних МРТ-знімків, про що свідчить дослідження, опубліковане в Nature Communications 5 липня 2025 року.
Дослідження демонструє, як алгоритми глибокого навчання, зокрема згорткові нейронні мережі (CNN), можуть аналізувати структурні дані МРТ мозку для оцінки біологічного віку людини. На відміну від попередніх підходів, які ґрунтувалися на попередньо виділених ознаках, ці моделі ШІ навчаються безпосередньо на сирих даних МРТ, виявляючи тонкі патерни, які інакше могли б залишитися непоміченими.
Різниця між віком мозку, передбаченим ШІ, та хронологічним віком, відома як розрив віку мозку (BAG) або різниця передбаченого віку (PAD), є потужним біомаркером стану мозку. Позитивний розрив — коли передбачений вік перевищує хронологічний — пов’язують із когнітивними порушеннями, підвищеним ризиком нейродегенеративних захворювань і гіршими показниками фізичного та психічного здоров’я.
«Розрив віку мозку дозволяє кількісно оцінити стан мозку людини, вимірюючи відхилення від норми старіння», — пояснює провідний дослідник. «Це може допомогти виявити людей із ризиком розвитку хвороби Альцгеймера чи Паркінсона за багато років до появи симптомів».
Дослідницька команда навчала свої моделі на тисячах МРТ-знімків здорових людей, а потім перевіряла їх на незалежних наборах даних. Моделі досягли вражаючої точності з середньою абсолютною помилкою лише 4-5 років. Важливо, що технологія продемонструвала високу надійність на різному обладнанні та за різних протоколів сканування.
Цей прорив є важливим кроком до персоналізованого моніторингу стану мозку. Зі старінням населення такі інструменти можуть стати незамінними для ранніх стратегій втручання, дозволяючи лікарям впроваджувати профілактичні заходи до початку незворотної нейродегенерації. Дослідники вже почали вивчати застосування технології у клінічній практиці, отримавши обнадійливі попередні результати щодо прогнозування когнітивного спаду.