大脑衰老速度加快往往与更高的认知障碍风险密切相关。根据最新的研究论文，目前有一款新的人工智能（AI）模型可测量大脑的衰老速度，从而有助于预防认知能力的下降。

根据一项由南加州大学的研究，研究人员通过对认知正常的成年人进行3000多次核磁共振扫描，训练了一个三维卷积神经网络（3D-Convolutional Neural Networks，简称CNN），这是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。

南加州大学首创的这种3D-CNN工具通过分析磁共振成像（MRI）扫描，以非侵入性的方式追踪大脑老化速度，提供了一种精确的方法来测量大脑随着时间的推移如何衰老。该模型有望成为理解、预防和治疗认知衰退及痴呆症的强大工具。

论文的主要作者、南加州大学老年学、生物医学工程、定量与计算生物学和神经科学副教授Andrei Irimia表示，“这是一种新颖的测量方法，可以改变我们在研究实验室和临床中追踪大脑健康的方式。”他还补充道，“了解一个人的大脑衰老有多快是很有帮助的。”

这篇论文于本周一（2月24日）发表在了《美国国家科学院院刊》上。

与认知能力密切相关

根据Irimia的说法，一个人的生物学年龄（BA）是不同于个体的实际年龄（CA）。这意味着，出生日期相同的两个人可能会有非常不同的生物学年龄，因为他们的身体功能以及身体组织在细胞水平上的“年龄”存在差异。

该研究小组表示，“绘制大脑衰老的速度P可以帮助识别神经衰老的异常率，这将有助于识别一些神经退行性疾病的风险。虽然神经退行性疾病的风险确实是随着实际年龄（CA）的增长而增加，但每个人的生物衰老在细胞、组织、器官和个体之间是不同的，这同样会提高神经退行性疾病的风险。”

新开发的3D-CNN通过分析同一患者在不同时间点的MRI扫描，提供了一种更精确的方法来测量大脑是如何随着时间的推移而衰老的。

与传统的横断面检测方法（通过单一时间点的一次扫描来估计大脑年龄）不同，新的纵向模型（LM）比较了同一个体在多个时间点的MRI扫描，从而更准确地反映了大脑衰老的加速或减缓，并明确了与之相关的神经解剖学变化。

研究小组首先将该模型应用于认知正常的成年人身上，通过3000多次MRI扫描进行训练，从而验证了该模型。随后将其应用于104名认知正常的成年人和140名阿尔茨海默病患者，结果显示，新模型对大脑衰老速度的计算与研究团队对受试对象进行的认知测试的变化密切相关，新模型确有可能更好地描述大脑健康的衰老速度。

南加州大学电子与计算机工程副教授Paul Bogdan指出，“这些测量与认知测试结果的一致性表明，该框架可能作为神经认知衰退的早期生物标志物。此外，它还证明了它在认知正常人群和认知障碍人群中的适用性。”

Irimia补充道，“大脑衰老的速度与认知功能的变化密切相关。”

“所以，如果你的大脑老化速度快，你的认知功能就更有可能出现高退化，包括记忆、执行速度、执行功能和处理速度。我们在解剖学上看到的变化与我们在这些人的认知中看到的变化有关。”