人工智能算法可以预测大脑年龄加速

大脑中的年龄加速，或者说生物年龄和实际年龄之间的差异，可以揭示有关大脑机制和正常功能的见解。它还可以解释与年龄相关的变化和功能衰退，以及识别与疾病相关的早期变化，表明大脑疾病的发生。算法代表了评估人类样本中的衰老和神经退行性变的全新范例，并且可以轻松地在临床和转化研究实验室中大规模部署。现在，西奈山的研究人员表示，他们已经开发出一种名为“HistoAge”的人工智能算法，该算法根据人类脑组织标本的细胞组成来预测死亡年龄，平均准确度在5.45岁以内。他们的工具还可以识别容易受到年龄相关变化影响的神经解剖区域，这是潜在认知疾病的一个指标。

他们的发现发表在ActaNeuropathologica上一篇题为“通过多实例学习进行组织病理学脑年龄估计”的文章中。

“了解年龄加速，即大脑中生物年龄和实际年龄之间的不一致，可以揭示对正常生理学的机制见解，阐明与年龄相关的功能衰退的病理决定因素，并识别阿尔茨海默病和其他疾病背景下的早期疾病变化，”研究人员写道。“组织病理学全幻灯片图像提供了丰富的细胞水平病理数据，可用于构建深度学习模型来评估年龄加速。在这里，我们使用了一系列数字化的人类死后海马切片来开发组织学大脑年龄估计模型。”

研究人员检查了700多张来自老年大脑捐赠者的人类海马切片的数字化幻灯片图像，以开发组织学大脑年龄估计算法。他们利用模型预测年龄与实际年龄之间的差异来推算大脑中年龄加速的程度。

与目前的年龄加速测量相比，研究人员观察到，基于HistoAge的年龄加速与认知障碍、脑血管疾病和阿尔茨海默病型异常退行性蛋白聚集水平有更强的关联。他们的研究发现，HistoAge模型是一种可靠、独立的指标，可用于确定大脑年龄并了解随时间推移导致神经退行性病变的因素。

展望未来，研究人员接下来将建立多中心合作，开发一个大型人工智能数据集，该数据集将用于开发更多，这些模型有可能改变和增强我们对脑部疾病的理解。