Gandrīz 50 000 smadzeņu skenējumu analīze atklāja piecus dažādus smadzeņu atrofijas modeļus, kas saistīti ar novecošanos un neirodeģeneratīvām slimībām. Analīze arī saistīja modeļus ar dzīvesveida faktoriem, piemēram, smēķēšanu un alkohola lietošanu, kā arī ar ģenētiskiem un uz asinīm balstītiem marķieriem, kas saistīti ar veselības stāvokli un slimību risku.

Darbs ir "metodoloģisks šedevrs", kas varētu ievērojami veicināt pētnieku izpratni par novecošanos, saka Andrejs Irimia, gerontologs no Dienvidkalifornijas universitātes Losandželosā, kurš nebija iesaistīts darbā. "Pirms šī pētījuma mēs zinājām, ka smadzeņu anatomija mainās līdz ar novecošanu un slimībām. Taču mūsu spēja uztvert šo sarežģīto mijiedarbību bija daudz pieticīgāka."

Pētījums tika veikts 15. augustā inDabas medicīnapublicēts.

Grumbas smadzenēs

Novecošana var izraisīt ne tikai sirmus matus, bet arī izmaiņas smadzeņu anatomijā, kas ir redzamas magnētiskās rezonanses attēlveidošanas attēlos, dažās vietās laika gaitā samazinoties vai veicot strukturālas izmaiņas. Tomēr šīs pārvērtības ir smalkas. "Cilvēka acs nespēj uztvert sistemātisku smadzeņu izmaiņu modeļus", kas saistīti ar šo degradāciju, saka Kristoss Davatzikoss, Filadelfijas Pensilvānijas universitātes biomedicīnas attēlveidošanas speciālists un darba autors.

Iepriekšējie pētījumi ir parādījuši, ka mašīnmācība var iegūt smalkus novecošanās pirkstu nospiedumus no MRI datiem. Tomēr šie pētījumi bieži bija ierobežoti un parasti ietvēra datus no salīdzinoši neliela cilvēku skaita.

Lai noteiktu plašākus modeļus, Davatzikos komanda sāka pētījumu, kura pabeigšana un publicēšana aizņēma apmēram astoņus gadus. Viņi izmantoja dziļas mācīšanās metodi, ko sauc par Surreal-GAN, kuru izstrādāja pirmais autors Zhijian Yang, kamēr viņš bija students Davatzikos laboratorijā. Zinātnieki apmācīja algoritmu, izmantojot smadzeņu MRI no 1150 veseliem cilvēkiem vecumā no 20 līdz 49 gadiem un 8992 gados vecākiem pieaugušajiem, tostarp daudziem ar kognitīviem traucējumiem. Tas iemācīja algoritmam atpazīt atkārtotas novecojošu smadzeņu iezīmes, ļaujot tai izveidot iekšējo modeli anatomiskām struktūrām, kas mainās vienlaikus, pretstatā tām, kurām ir tendence mainīties neatkarīgi.

Pēc tam pētnieki izmantoja iegūto modeli gandrīz 50 000 cilvēku MRI skenēšanai, kas piedalījās dažādos pētījumos par novecošanos un neiroloģisko veselību. Šī analīze sniedza piecus atsevišķus smadzeņu atrofijas modeļus. Zinātnieki saistīja dažādus ar vecumu saistītu smadzeņu deģenerācijas veidus ar piecu modeļu kombinācijām, lai gan bija dažas atšķirības starp cilvēkiem ar tādu pašu stāvokli.

Novecošanās modeļi

Piemēram, demence un tās priekštecis, viegli kognitīvi traucējumi, bija saistīti ar trim no pieciem modeļiem. Interesanti, ka pētnieki atklāja arī pierādījumus tam, ka viņu identificētos modeļus varētu izmantot, lai atklātu turpmākas smadzeņu deģenerācijas iespējamību nākotnē. "Ja vēlaties paredzēt pāreju no kognitīvi normāla stāvokļa uz viegliem kognitīviem traucējumiem, viena lieta bija visredzamākā," saka Davatzikos. "Vēlākos posmos otrā [parauga] pievienošana bagātina jūsu prognozi, kas ir jēga, jo tādējādi tiek fiksēta patoloģijas izplatība." Citi modeļi bija saistīti ar tādām slimībām kā Parkinsona un Alcheimera slimība, kā arī trīs modeļu kombinācija, kas spēcīgi prognozēja mirstību.

Autori atklāja skaidras saiknes starp specifiskiem smadzeņu atrofijas modeļiem un dažādiem fizioloģiskiem un vides faktoriem, tostarp alkohola lietošanu un smēķēšanu, kā arī dažādiem ar veselību saistītiem ģenētiskiem un bioķīmiskiem parakstiem. Davatzikos saka, ka šie rezultāti, iespējams, atspoguļo vispārējās fiziskās labklājības ietekmi uz neiroloģisko veselību, jo citu orgānu sistēmu bojājumi var ietekmēt smadzenes.

Tomēr Davatzikos brīdina, ka pētījums "nenozīmē, ka visu var samazināt līdz pieciem skaitļiem", un viņa komanda plāno strādāt ar datu kopām, kas ietver plašāku neiroloģisko slimību klāstu un kurām ir lielāka etniskā un kultūras daudzveidība.