BrainAge и болезнь Альцгеймера: как отличить старение мозга от когнитивного снижения

Аспирантка Марта Арбису Гомес рассматривает важный вопрос: отражают ли модели возраста мозга (BrainAge) специфические изменения при болезни Альцгеймера или фиксируют нормальное старение мозга?

Краткое содержание:

BrainAge — это биомаркер, оценивающий возраст мозга, однако он не всегда позволяет отличить нормальное старение от болезни Альцгеймера. Исследования показывают, что нейровизуализация лучше прогнозирует возраст мозга, тогда как нейропсихологические тесты эффективнее для диагностики заболевания. В Испании сочетание обоих подходов позволяет улучшить клиническую оценку и когнитивную реабилитацию с помощью таких инструментов, как NeuronUP.

Что такое возраст мозга и почему он важен при болезни Альцгеймера?

Старение — главный фактор риска болезни Альцгеймера (БА), однако старение и нейродегенерация — не одно и то же. По мере старения в мозге происходят естественные структурные и функциональные изменения. При болезни Альцгеймера эти изменения ускоряются и затрагивают ключевые области мозга, связанные с памятью и когнитивными функциями.

В последние годы исследователи разработали модели возраста мозга (BrainAge) — алгоритмы машинного обучения, способные оценивать биологический возраст мозга на основе данных нейровизуализации или когнитивных тестов. Идея проста: если мозг человека выглядит «старше», чем предполагает его хронологический возраст, это может быть ранним признаком неврологического снижения.

Разница между рассчитанным возрастом мозга и фактическим возрастом называется BrainAge Delta. Положительное значение указывает на то, что мозг выглядит более старым, чем ожидалось, а отрицательное предполагает более «молодой» мозг.

Однако возникает важный вопрос: действительно ли эти модели отражают специфические изменения при болезни Альцгеймера или просто фиксируют нормальное старение мозга? Недавнее исследование, опубликованное в журнале NeuroImage и проведённое Лабораторией вычислительной нейровизуализации Института санитарных исследований Biobizkaia, посвящено именно этому вопросу. В нём анализируется, как переменные, используемые в моделях BrainAge, влияют на способность выявлять болезнь Альцгеймера.

Как проводилось это исследование возраста мозга и болезни Альцгеймера?

Чтобы ответить на этот вопрос, исследователи использовали данные проекта Alzheimer’s Disease Neuroimaging Initiative (ADNI), одной из наиболее широко используемых международных баз данных в исследованиях деменций.

В исследование вошли участники из пяти клинических групп:

• Когнитивно здоровые люди (CN).
• Люди с лёгким когнитивным нарушением (MCI).
• Пациенты с болезнью Альцгеймера (AD).
• Стабильное MCI (sMCI).
• MCI с прогрессированием до болезни Альцгеймера (pMCI).

Модели обучались с использованием двух основных типов переменных:

Данные нейровизуализации

Полученные с помощью структурной магнитно-резонансной томографии (T1):

• объём серого вещества,
• объём белого вещества,
• объём гиппокампа,
• миндалевидное тело,
• таламус,
• скорлупа,
• хвостатое ядро,
• цереброспинальная жидкость и другие показатели.

Эти показатели отражают структурные изменения мозга, связанные как со старением, так и с нейродегенерацией.

Нейропсихологические переменные

Также учитывались результаты широко применяемых в клинической практике когнитивных тестов:

• MMSE,
• ADAS,
• MoCA,
• FAQ,
• показатель памяти ADNI,
• показатель исполнительных функций ADNI.

Исследователи анализировали, какие переменные наиболее полезны для достижения двух разных целей:

1. Прогнозирование возраста мозга.
2. Различение разных клинических групп.

Затем они обучили различные модели BrainAge, используя последовательно расширяемые комбинации этих переменных.

Ключевые результаты исследования возраста мозга и болезни Альцгеймера

Результаты показывают явное различие между использованными типами переменных.

Показатели, полученные с помощью магнитно-резонансной томографии, — например объём серого вещества или гиппокампа, — оказались наиболее информативными для прогнозирования возраста мозга. Напротив, нейропсихологические тесты были эффективнее для различения здоровых людей и пациентов с болезнью Альцгеймера.

Такая закономерность предполагает, что модели, предназначенные для оценки возраста мозга, могут фиксировать нормальные процессы старения, которые не обязательно отражают специфическую патологию болезни Альцгеймера.

Нейровизуализация: лучше для оценки возраста

Показатели, полученные с помощью магнитно-резонансной томографии, — например объём серого вещества или гиппокампа, — оказались наиболее информативными для прогнозирования возраста мозга.

Это закономерно, поскольку нормальное старение вызывает в мозге постепенные структурные изменения.

Когнитивные тесты: лучше для выявления заболевания

В то же время нейропсихологические тесты оказались эффективнее для различения здоровых людей, людей с лёгким когнитивным нарушением и пациентов с болезнью Альцгеймера.

Иными словами, хотя изображения мозга хорошо отражают старение, когнитивная продуктивность лучше показывает клинические различия между группами.

Важный вывод: точность и клиническая полезность

Один из наиболее интересных результатов исследования заключается в том, что между точностью прогнозирования возраста и способностью классифицировать заболевание существует компромисс.

Когда модели оптимизируют с использованием переменных, более тесно связанных со старением, ошибка прогнозирования возраста уменьшается. Однако их способность различать здоровых людей и пациентов с болезнью Альцгеймера улучшается не всегда. Напротив, если приоритет отдают переменным с более высокой дискриминационной способностью, классификация клинических групп улучшается, хотя оценка возраста мозга становится менее точной.

Этот результат предполагает, что изменения, связанные со старением, и изменения, связанные с болезнью Альцгеймера, не являются абсолютно одинаковыми биологическими процессами.

Ключевая роль гиппокампа

Среди всех проанализированных переменных гиппокамп выделился как одна из наиболее значимых областей мозга.

Его объём демонстрировал высокую способность различать разные клинические группы, что согласуется с предыдущими данными: гиппокамп — одна из первых структур, поражаемых патологией болезни Альцгеймера, а его атрофия тесно связана с нарушениями памяти.

Полезны ли модели BrainAge для диагностики болезни Альцгеймера?

Исследователи также сравнили две разные стратегии:

1. Классифицировать пациентов с помощью показателя BrainAge delta.
2. Классифицировать их непосредственно с использованием показателей мозга.

Результаты показали, что во многих случаях прямое использование переменных было столь же эффективным или даже эффективнее, чем использование показателя BrainAge delta.

Это указывает на то, что модели BrainAge не всегда предоставляют дополнительную информацию для диагностики.

Однако у них есть важное концептуальное преимущество: они формируют единую непрерывную метрику, которую можно использовать как показатель риска или инструмент для отслеживания прогрессирования заболевания с течением времени.

Каковы последствия для исследований болезни Альцгеймера?

Это исследование позволяет сделать несколько важных выводов для разработки биомаркеров на основе искусственного интеллекта:

1. Принципиально важно разделять старение и заболевание. Модели, пытающиеся одновременно отражать оба процесса, могут путать нормальные возрастные изменения с нейродегенерацией.
2. Выбор переменных имеет ключевое значение. В зависимости от цели — прогнозировать возраст или выявлять заболевание — следует использовать разные типы переменных.
3. Модели необходимо разрабатывать для конкретных задач. Модель, оптимизированная для оценки биологического возраста, не обязательно будет лучшей для диагностики болезни Альцгеймера.

Таким образом, старение — это не просто «фоновый шум» при болезни Альцгеймера, а процесс, активно взаимодействующий с патологией.

Как это достижение связано с NeuronUP?

Лучшее понимание различий между старением мозга и нейродегенеративным снижением имеет непосредственное значение для когнитивной реабилитации.

На таких платформах, как NeuronUP, используемых для когнитивной тренировки и стимуляции исполнительных функций, памяти или внимания, надёжные биомаркеры могут помочь:

• выявлять пациентов на ранних стадиях.
• персонализировать программы реабилитации с учётом когнитивного профиля.
• отслеживать динамику состояния пациентов с течением времени.

Если такие инструменты, как BrainAge, помогают улучшить выявление и понимание заболевания, то цифровые решения, подобные NeuronUP, позволяют воздействовать на когнитивное функционирование и качество жизни пациентов.

Это исследование возглавил Dr. Jesus M. Cortes, который также является директором по исследованиям в NeuronUP. Работа проводилась в Институте санитарных исследований BioBizkaia в сотрудничестве с исследователями из Harvard Medical School, University Carlos III de Madrid, Vrije Universiteit Amsterdam, Brigham & Women’s, University of Melbourne, Ikerbasque и Университета Страны Басков. 

Выводы для специалистов

Модели BrainAge представляют собой перспективный инструмент для изучения старения мозга и его связи с болезнью Альцгеймера. Однако это исследование показывает, что связь между возрастом мозга и нейродегенерацией сложна.

Структурные показатели мозга особенно полезны для оценки биологического возраста, тогда как когнитивные тесты эффективнее позволяют различать разные клинические состояния.

Поэтому при разработке прогностических моделей болезни Альцгеймера необходимо учитывать, какой процесс изучается — старение или заболевание, — и тщательно выбирать используемые переменные.

В будущем объединение биологических биомаркеров, нейровизуализации и цифровых инструментов оценки и когнитивной реабилитации может обеспечить более полное и персонализированное представление о лечении болезни Альцгеймера.

Библиография

• Garcia Condado J, Verdugo Recuero I, Tellaetxe-Elorriaga I, Birkenbihl C, Carrigan M, Diez I, Buckley RF, Erramuzpe A, Cortes JM. Aging as an active player in Alzheimer’s disease classification: Insights from feature selection in BrainAge models. NeuroImage. 2025. doi:10.1016/j.neuroimage.2025.121548.

Если вам понравилась эта запись в блоге о теме BrainAge и болезни Альцгеймера: как отличить старение мозга от когнитивного снижения, вас наверняка заинтересуют следующие статьи NeuronUP: