מחקר: שעוני מוח לוכדים מגוון ופערים בהזדקנות ודמנציה בין אוכלוסיות מגוונות גיאוגרפית. קרדיט תמונה: Lightspring / Shutterstock
במחקר שפורסם לאחרונה בכתב העת רפואת טבע, חוקרים השתמשו בלמידה עמוקה כדי לנתח את ההשפעה של מגוון גיאוגרפי, סוציו-דמוגרפי, סוציו-אקונומי, הקשור לניוון עצבי וגיוון מגדרי על פערי גיל המוח ב-15 מדינות. הם מצאו כי אי-שוויון סוציו-אקונומי מבני, זיהום ופערים בריאותיים הם מנבאים מרכזיים להגדלת פערי גיל המוח, במיוחד באזורי אמריקה הלטינית והקריביים (LAC), כאשר פערים גדולים יותר נצפו אצל נשים ואנשים עם ליקויים קוגניטיביים כמו מחלת אלצהיימר (AD) .
רֶקַע
המוח עובר שינויים דינמיים עם הגיל, שהם חיוניים להבנה, במיוחד ביחס לפערים והפרעות מוחיות כמו AD. למודלים של גיל המוח, המודדים את בריאות המוח על פני גורמים שונים, יש פוטנציאל ללכוד מגוון בהזדקנות, אך נחקרו פחות באוכלוסיות שאינן מיוצגות כמו אלה ב-LAC. אוכלוסיות אלו מתמודדות עם פערים סוציו-אקונומיים ובריאותיים משמעותיים, אשר עשויים להשפיע על הזדקנות המוח. המחקר על הזדקנות המוח התמקד בעיקר באוכלוסיות מהצפון העולמי ולעיתים קרובות משתמש בהדמיית תהודה מגנטית מבנית (MRI), תוך זניחת דינמיקת רשת המוח שנלכדה על ידי MRI פונקציונלי (fMRI) ו-Electroencephalograms (EEG). בעוד ש-EEG הוא כלי נגיש יותר במסגרות מוגבלות במשאבים, השימוש בו במחקרים בקנה מידה גדול מוגבל על ידי אתגרים בסטנדרטיזציה ואינטגרציה עם fMRI. יש צורך בפיתוח סמני גיל מוח ניתנים להרחבה תוך שימוש בלמידה עמוקה המשלבת טכניקות אלו ומתחשבות במגוון הדמוגרפי, במיוחד באוכלוסיות חסרות ייצוג. לכן, החוקרים במחקר הנוכחי השתמשו ברשתות קונבולוציוניות גרפים כדי לחזות פערים בגילאי המוח ולבחון את השפעת המגוון, כולל גורמים גיאוגרפיים, סוציו-דמוגרפיים ובריאותיים, על הזדקנות המוח.
לגבי המחקר
המחקר ניתח מערכי נתונים של fMRI ו-EEG במצב מנוחה של 5,306 משתתפים ב-15 מדינות באזורי ה-LAC והלא-LAC. נתוני fMRI נאספו מ-2,953 משתתפים בארגנטינה, צ'ילה, קולומביה, מקסיקו, פרו, ארצות הברית, סין ויפן, בעוד שנתוני EEG נאספו מ-2,353 משתתפים בארגנטינה, יוון, ברזיל, צ'ילה, קולומביה, קובה, אירלנד, איטליה, טורקיה ובריטניה. המשתתפים כללו 3,509 נבדקים בריאים ו-1,808 עם הפרעות נוירוקוגניטיביות, כלומר פגיעה קוגניטיבית קלה (MCI), AD, או דמנציה פרונטומפורלית התנהגותית (bvFTD). הנתונים עברו עיבוד מקדים קפדני, כולל נורמליזציה, תיקון רעש והערכת שטח מקור. אינטראקציות מסדר גבוה בין אזורי מוח הוערכו, עם נתונים שהומרו לגרפים לניתוח באמצעות רשתות קונבולוציוני גרפים (GCNs). נעשה שימוש בגישה הכוללת 80% אימות צולב ו-20% בדיקות החזקה. נעשה שימוש בטכניקות להגדלת נתונים, והביצועים החזויים של המודל הוערכו באמצעות התאמה טובה (R²) ושגיאה מרובעת ממוצעת (rmse). מודלים להגברת הדרגתיות שימשו כדי לחקור את ההשפעה של גורמי חשיפה על פערי גיל המוח. ניתוחים סטטיסטיים מקיפים נערכו כדי לאמת את הממצאים, כולל בדיקות פרמוטציה ו-bootstrapping. איכות הנתונים הוערכה בקפידה, והמחקר עמד בהנחיות אתיות קפדניות.
מערכי נתונים כללו בקרות בריאות של LAC ולא-LAC (HC, סך n = 3,509) ומשתתפים עם מחלת אלצהיימר (AD, סך n = 828), bvFTD (סה"כ n = 463) ו-MCI (סה"כ n = 517). מערך הנתונים של fMRI כלל 2,953 משתתפים מ-LAC (ארגנטינה, צ'ילה, קולומביה, מקסיקו ופרו) וכן לא-LAC (ארה"ב, סין ויפן). מערך הנתונים של ה-EEG כלל 2,353 משתתפים מארגנטינה, ברזיל, צ'ילה, קולומביה וקובה (LAC) וכן מיוון, אירלנד, איטליה, טורקיה ובריטניה (שאינם ב-LAC). אותות ה-fMRI וה-EEG הגולמיים עובדו מראש על ידי סינון והסרת חפצים ואותות ה-EEG נורמלו כדי להקרין אותם לחלל המקור. פרצלציה באמצעות אטלס תיוג אנטומי אוטומטי (AAL) עבור אותות fMRI ו-EEG בוצעה כדי לבנות את הצמתים שמהם חישבנו את האינטראקציות בסדר גבוה באמצעות מדד המידע Ω. מטריצת קישוריות התקבלה עבור שני האופנים, אשר יוצגה מאוחר יותר על ידי גרפים. הגדלת הנתונים בוצעה רק במערך הנתונים של הבדיקה. הגרפים שימשו כקלט עבור רשת למידה עמוקה קונבולוציונית (ארכיטקטורה המוצגת בשורה האחרונה), עם מודלים נפרדים ל-EEG ו-fMRI. לבסוף התקבלה חיזוי גיל, והביצועים נמדדו על ידי השוואת הגילאים החזויים מול הגילאים הכרונולוגיים. נתון זה נוצר בחלקו עם BioRender.com (מכשירי fMRI ו-EEG).
תוצאות ודיון
המודלים של הזדקנות המוח הראו ביצועי חיזוי נאותים. המאפיינים הניבויים-אזוריים-מוחיים העיקריים התרכזו סביב רשתות קדמיות-פוסטוריות, כולל צמתים ב-gyrus הקדם-מרכזי, gyrus העורפי האמצעי וה-gyri הקדמי העליון והאמצעי. צמתים מרכזיים נוספים עבור מודל ה-fMRI היו ה-gyri הקדמי התחתון, ה-cingulate הקדמי והחציוני, וה-paracingulate gyri. עבור מודל ה-EEG, גם gyrus occipital inferior ו-inferior parietal gyrus העליון והתחתון היו משמעותיים.
יש לציין, כאשר ניתחו מערכי נתונים שאינם LAC, המודלים הראו דפוסים דומים בתכונות חזויות אך עם התאמה מעט מופחתת. לעומת זאת, מודלים שאומנו על מערכי נתונים של LAC חשפו התאמה מתונה וערכי rmse מוגברים, והדגישו הטיות כלפי חיזוי גילאי מוח מבוגרים יותר, במיוחד עבור משתתפות. יתרה מזאת, בחינת השפעות חוצות-אזוריות הוכיחה שאימון עם נתונים שאינם LAC ובדיקות על LAC הביאו לשגיאות כיוון חיוביות ממוצעות (MDE), המצביעות על הטיות כלפי גילאי מוח מבוגרים. בנוסף, נצפו פערי גיל מוח כמתרחבים באוכלוסיות קליניות, דבר המצביע על הזדקנות מואצת במצבים כמו MCI ו-AD בהשוואה לביקורות בריאות.
ממצאים אלה מדגישים את המורכבות של הזדקנות המוח באוכלוסיות שונות. הם מדגישים את החשיבות של התחשבות בגורמי גיוון בהערכות נוירוקוגניטיביות. המחקר מתחזק על ידי שימוש במערכי נתונים מגוונים על פני מספר מדינות, שילוב נתוני fMRI ו-EEG, ופיתוח מדדי בריאות מוח ניתנים להרחבה, מותאמים אישית, החלים על אוכלוסיות מגוונות וחסרות ייצוג. עם זאת, המחקר מוגבל על ידי היעדר נתוני EEG קליניים מאזורים שאינם LAC, הסתמכות על מדידת פערי גיל מוח חד-מודאלית, נתונים אזוריים מוגבלים והיעדר גורמים דמוגרפיים ברמת הפרט כמו זהות מגדרית, מצב סוציו-אקונומי ואתניות .
מַסְקָנָה
לסיכום, המחקר מדגים שמודלים של שעוני מוח רגישים לגורמים מגוונים כמו גיאוגרפיה, מין, השפעות מקרו-חברתיות ומחלות, למרות שונות הנתונים. על ידי מינוף למידה עמוקה על אינטראקציות מוחיות מסדר גבוה על פני fMRI ו-EEG, המחקר סולל את הדרך לכלים כוללים ונגישים להערכת פערים בהזדקנות המוח. זה עשוי לסייע בזיהוי ובשלב של הפרעות נוירוקוגניטיביות כמו MCI, AD ו-bvFTD ולתמוך בגישות רפואה מותאמות אישית ברחבי העולם.
