据2025年7月5日发表在《自然通讯》上的研究，科学家们开发出了能够利用标准MRI扫描高精度预测大脑年龄的先进人工智能模型。
研究表明，深度学习算法，尤其是卷积神经网络（CNN），可以分析结构性大脑MRI数据，估算个体的生物学大脑年龄。与以往依赖预先提取特征的方法不同，这些AI模型可直接从原始MRI数据中学习，捕捉到以往难以察觉的微妙模式。
AI预测的大脑年龄与实际年龄之间的差异，被称为“大脑年龄差”（BAG）或“预测年龄差”（PAD），已成为衡量大脑健康的重要生物标志物。若预测年龄高于实际年龄，即出现正向差值，往往与认知障碍、神经退行性疾病风险增加以及身体和心理健康状况较差相关。
“‘大脑年龄差’为量化个体大脑健康状况提供了一种手段，通过衡量其与正常衰老轨迹的偏离程度，”该研究的首席科学家解释道，“这有助于在症状出现前数年，识别出阿尔茨海默病或帕金森病等高风险人群。”
研究团队在数千名健康受试者的大脑扫描数据上训练模型，并在独立数据集上进行了验证。模型表现出色，平均绝对误差低至4-5年。值得一提的是，该技术在不同扫描设备和协议下均展现出良好的可靠性。
这一进展标志着个性化大脑健康监测迈出了重要一步。随着全球人口老龄化加剧，这类工具有望成为早期干预策略的关键，帮助临床医生在不可逆神经退行性变化发生前采取预防措施。研究团队已在临床环境中探索应用，并在预测认知能力下降方面取得了初步积极成果。