Международная команда специалистов из США, Греции, Швейцарии, Германии и Австралии представила новые данные о том, как улучшить прогнозирование развития болезни Альцгеймера и сосудистой деменции. Результаты научного исследования были опубликованы в журнале JAMA Psychiatry.
С помощью искусственного интеллекта и методов машинного обучения ученые проанализировали сведения о состоянии здоровья, показатели когнитивной активности и результаты обследования методами нейровизуализации более 27 000 участников нескольких исследований. Они изучили, как структурные изменения головного мозга связаны с такими факторами, как генетика, развитие сердечно-сосудистых заболеваний, снижение когнитивных функций, скопление бета-амилоидов, курение и гиперинтенсивность белого вещества (ГБВ).
В результате были выявлены три паттерна старения головного мозга: типичный путь старения (А1) и две подгруппы ускоренного старения (А2 и А3), которые особенно характерны для людей старше 65 лет.
• Группа А1 отличалась незначительной атрофией мозга, менее значимым влиянием генетических факторов риска и нормальным объемом ГБВ. Средний возраст мозга был лишь на несколько лет меньше, чем хронологический возраст участников.
• В подгруппе А2 наблюдались самый высокий и быстрорастущий уровень развития ГБВ, высокая распространенность амилоидных бляшек в мозге и генетических факторов риска, связанных с развитием сердечно-сосудистых заболеваний. Средний возраст мозга был больше хронологического на 2–3 года.
• Группа А3 показала более обширную атрофию мозга, более быстрое снижение когнитивных функций, более распространенные факторы развития сердечно-сосудистых заболеваний. Средний возраст мозга был больше хронологического на 3–5 лет.
Ученые предлагают использовать полученные данные для совершенствования классификации и прогнозирования старения мозга и когнитивных нарушений, связанных с болезнью Альцгеймера, в рамках оказания помощи на основе принципов прецизионной медицины.
Фото: freepik.
Источник: 20 июня 2024, https://www.nia.nih.gov/news/ai-data-analysis-maps-three-distinct-brain-aging-patterns