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 же фиксируют нормальное старение мозга?

Краткое резюме:

BrainAge — это биомаркер, оценивающий возраст мозга, но он не всегда отличает нормальное старение от болезни Альцгеймера. Исследования показывают, что нейровизуализация лучше предсказывает возраст мозга, тогда как нейропсихологические тесты эффективнее для диагностики болезни. 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), но старение и нейродегенерация — не совсем одно и то же. С возрастом в мозге происходят естественные структурные и функциональные изменения. Однако при болезни Альцгеймера эти изменения ускоряются и затрагивают ключевые области мозга, участвующие в памяти и познании.

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

Разница между оценённым возрастом мозга и реальным возрастом называется BrainAge Delta. Положительное значение указывает, что мозг выглядит более постаревшим, чем ожидалось, а отрицательное говорит о более «молодом» мозге.

Однако возникает важный вопрос: действительно ли эти модели отражают специфические изменения при болезни Альцгеймера или просто фиксируют нормальное старение мозга? Недавнее исследование, опубликованное в NeuroImage и проведённое Лабораторией вычислительной нейровизуализации Института медицинских 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 ЛКН (sMCI).
• ЛКН, прогрессирующее в болезнь Альцгеймера (pMCI).

Модели обучали с использованием двух основных типов переменных:

Данные нейровизуализации

Получены методом структурной магнитно-резонансной томографии (T1):

• объём серого вещества,
• объём белого вещества,
• объём гиппокампа,
• миндалевидное тело,
• таламус,
• скорлупа,
• хвостатое ядро,
• спинномозговая жидкость и др.

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

Нейропсихологические переменные

Также были включены баллы когнитивных тестов, широко применяемых в клинике:

• MMSE,
• ADAS,
• MoCA,
• FAQ,
• балл памяти ADNI,
• исполнительная функция ADNI.

Исследователи проанализировали, какие переменные наиболее полезны для двух разных целей:

1. Предсказать возраст мозга.
2. Различить клинические группы.

Затем они обучили разные модели BrainAge, последовательно добавляя комбинации этих переменных.

Ключевые результаты исследования возраста мозга и болезни Альцгеймера

Результаты показывают чёткое различие между типами использованных переменных.

Переменные, полученные при МРТ, — например, объём серого вещества или гиппокампа — оказались наиболее информативными для предсказания возраста мозга. Напротив, нейропсихологические тесты были эффективнее для различения здоровых людей и пациентов с болезнью Альцгеймера.

Эта закономерность позволяет предположить, что модели, пытающиеся оценить возраст мозга, могут фиксировать процессы нормального старения, которые не обязательно отражают специфическую патологию болезни Альцгеймера.

Нейровизуализация: лучше для оценки возраста

Переменные, полученные при МРТ, — например, объём серого вещества или гиппокампа — оказались наиболее информативными для предсказания возраста мозга.

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

Когнитивные тесты: лучше для выявления болезни

Напротив, нейропсихологические тесты оказались эффективнее для различения здоровых людей, лёгкого когнитивного нарушения и болезни Альцгеймера.

Иными словами, хотя изображения мозга хорошо отражают старение, когнитивные показатели лучше отражают клинические различия между группами.

Важная находка: точность против клинической полезности

Один из самых интересных результатов исследования — существование компромисса между точностью предсказания возраста и способностью классифицировать болезнь.

Когда модели оптимизируют с помощью переменных, больше связанных со старением, ошибка предсказания возраста уменьшается. Однако их способность различать здоровых людей и пациентов с болезнью Альцгеймера улучшается не всегда. Напротив, когда приоритет отдаётся переменным с более высокой дискриминативной способностью, классификация клинических групп улучшается, хотя оценка возраста мозга теряет точность.

Этот результат позволяет предположить, что изменения, связанные со старением, и изменения, связанные с болезнью Альцгеймера, — не совсем одни и те же биологические процессы.

Ключевая роль гиппокампа

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

Его объём показал высокую способность различать клинические группы, что согласуется с ранее полученными данными: гиппокамп — одна из первых структур, поражаемых патологией болезни Альцгеймера, а его атрофия тесно связана с дефицитом памяти.

Полезны ли модели BrainAge для диагностики болезни Альцгеймера?

Исследователи также сравнили две разные стратегии:

1. Классифицировать пациентов с помощью BrainAge Delta.
2. Классифицировать их, напрямую используя переменные мозга.

Результаты показали, что во многих случаях прямое использование переменных было столь же или даже более эффективным, чем использование BrainAge Delta.

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

Однако у них есть важное концептуальное преимущество: они дают единый непрерывный показатель, который можно использовать как индикатор риска или как инструмент мониторинга прогрессирования болезни во времени.

Каково значение этих результатов для исследований болезни Альцгеймера?

Исследование даёт ряд важных выводов для разработки биомаркеров на основе искусственного интеллекта:

1. Разделять старение и болезнь крайне важно. Модели, пытающиеся охватить оба процесса одновременно, могут путать нормальные возрастные изменения с нейродегенерацией.
2. Выбор переменных имеет ключевое значение. В зависимости от цели — предсказать возраст или выявить болезнь — следует использовать разные типы переменных.
3. Модели нужно разрабатывать под конкретные задачи. Модель, оптимизированная для оценки биологического возраста, не обязательно будет лучшей для диагностики болезни Альцгеймера.

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

Как это достижение связано с NeuronUP?

Лучшее понимание разницы между старением мозга и нейродегенеративным снижением имеет прямое значение для когнитивной реабилитации.

На таких платформах, как NeuronUP, используемых для когнитивной тренировки и стимуляции исполнительных функций, памяти или внимания, наличие надёжных биомаркеров может помочь:

• выявлять пациентов на ранних стадиях;
• персонализировать программы реабилитации в соответствии с когнитивным профилем;
• отслеживать динамику состояния пациентов во времени.

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

Исследование возглавил доктор Хесус М. Кортес, который также является директором по исследованиям NeuronUP, на базе Института медицинских исследований BioBizkaia в сотрудничестве с исследователями из Harvard Medical School, Университета Карлоса III в Мадриде, Vrije Universiteit Amsterdam, Brigham & Women’s, Мельбурнского университета, Ikerbasque и Университета Страны Басков. 

Выводы для специалистов

Модели BrainAge — 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 переменные мозга особенно полезны для оценки биологического возраста, тогда как когнитивные тесты эффективнее для различения клинических состояний.

Поэтому при разработке прогностических моделей при болезни Альцгеймера нужно учитывать, какой процесс изучается, — старение или болезнь, — и тщательно отбирать используемые переменные.

В будущем интеграция биологических биомаркеров, нейровизуализации и цифровых инструментов когнитивной оценки и реабилитации может дать более полное и персонализированное видение лечения 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 статья блога о BrainAge и болезни Альцгеймера: как отличить старение мозга от когнитивного снижения, вас наверняка заинтересуют эти статьи NeuronUP: