במחקר שפורסם לאחרונה ב רפואת טבעחוקרים משתמשים ב-'Surreal-GAN' המופעל על ידי בינה מלאכותית (AI), מודל למידה של ייצוג עמוק, כדי לבחון את ההטרוגניות של מוחות מזדקנים.
לִלמוֹד: דפוסי הזדקנות המוח בקבוצה גדולה ומגוונת של 49,482 פרטים. קרדיט תמונה: Wirestock Creators / Shutterstock.com
הנוירולוגיה של ההזדקנות
המוח האנושי המזדקן עובר שינויים מבניים רבים המשתנים על סמך הגנטיקה, אורח החיים של האדם ונוכחותן של מחלות דו-קיום. הטרוגניות זו בהזדקנות המוח מושפעת גם מגורמים שיכולים להחמיר או להגן מפני תהליכים נוירופתולוגיים הקשורים לגיל.
שינויים מוקדמים ועדינים באזורי מוח ספציפיים יכולים להופיע בשלבים הפרה-קליניים של מחלות ניווניות כמו מחלת אלצהיימר. לכן, חיוני להבין את השינויים הנוירואנטומיים הללו על פני קשת רחבה של אנשים.
מחקרי הדמייה המסורתיים סיפקו תובנות חשובות לגבי תפקידן של הזדקנות ומחלות בשינוי מבנה ותפקוד המוח, לעתים קרובות בהסתמך על השוואות בין מקרה לביקורת. עם זאת, שיטות אלה מוגבלות ביכולתן לטפל בהטרוגניות אינדיבידואלית, מכיוון שהן מתמקדות בדרך כלל בדפוסים ממוצעים, במקום ללכוד את השינויים הנוירואנטומיים המגוונים בין אנשים.
גישות למידת מכונה (ML) שימשו בהצלחה כדי לזהות סמנים ביולוגיים של הדמיה עצבית ברמה הפרטנית של הזדקנות המוח. עם זאת, שיטות אלו לרוב אינן מתחשבות בהטרוגניות הבסיסית, וכתוצאה מכך מזהות רק סמנים ביולוגיים המשקפים דפוס טיפוסי או ממוצע.
לגבי המחקר
המחקר הנוכחי השתמש ב-Surreal-GAN כדי לנתח דפוסי הזדקנות מוח על ידי לימוד טרנספורמציות חד-לרבות מאוכלוסיית ייחוס (REF) לאוכלוסיית יעד (TAR) כדי ללכוד שינויים הטרוגניים במוח. נתונים אלה מזוקקים לאחר מכן למדדי ייצוג (R) המכמתים את חומרת השינויים המוחיים האישיים לאורך מספר ממדים.
קבוצת ה-REF כללה 1,150 משתתפים בין הגילאים 20 ל-49, בעוד שקבוצת ה-TAR כללה 8,992 אנשים בין הגילאים 50 ל-97, כולל אלו עם ליקוי קוגניטיבי קל (MCI) או דמנציה.
כדי להבטיח חוסן, יכולת השחזור של המודל נבדקה על מערכת אימונים עצמאית ולרוחב המינים. החוקרים קשרו גם מדדי R עם מדדים דמוגרפיים, קליניים, נוירוקוגניטיביים, אורח חיים וגנטיים תוך שימוש במתאמים חלקיים, מורפומטריה מבוססת ווקסל ומחקרי אסוציאציות גנום-רחביות (GWAS).
אסוציאציות של מחלות כרוניות נחקרו באמצעות ניתוח רגרסיה ליניארית מרובה שהותאם הן לגיל והן למין. היכולות הפרוגנוסטיות הוערכו באמצעות מודלים פרופורציונליים של Cox על נתונים אורכיים.
ממצאי המחקר
חמישה מדדי R מובהקים של R1, R2, R3, R4 ו-R5 ייצגו תת-קליפת המוח, האונה הטמפורלית המדיאלית, הפריאטו-טמפורלית, ניוון קליפת המוח מפוזר ופריסילביה, בהתאמה. מדדים אלו היו קשורים באופן מובהק למשתנים דמוגרפיים, כגון גיל ומין, וכן למספר מחלות כרוניות, כולל MCI, דמנציה, סכיזופרניה ומחלת פרקינסון.
R2, R3 ו-R5 היו בקורלציה חזקה עם סמנים ביולוגיים של מחלת אלצהיימר, במיוחד נוזל מוחי (CSF)-pTau181 ו-CSF-Aβ42. R5 היה קשור למגוון רחב של מחלות כרוניות וגורמי אורח חיים, כגון צריכת אלכוהול ועישון.
מדדי R הבסיס היו מנבאים חזקים להתקדמות המחלה מנורמלי מבחינה קוגניטיבית ל-MCI ומ-MCI לדמנציה, כמו גם סיכון לתמותה.
מספר לוקוסים גנטיים היו קשורים למדדי R אלה, כולל כמה שלא היו קשורים בעבר לתכונות קליניות. לפיכך, מדדי R יכולים גם לתפוס את ההטרוגניות של הזדקנות המוח וגם לשמש סמנים חשובים להבנת התקדמות מחלות ניווניות, כמו גם את ההשפעה של אורח חיים וגורמים גנטיים על בריאות המוח.
המחקר הנוכחי מתחזק על ידי שימוש במתודולוגיה סוריאליסטית-GAN משופרת עם ישימות רחבה לגילוי דפוסים של הזדקנות מוח, ובכך מציע מערכת הניתנת להרחבה החלה על שאלות מחקר מגוונות. עם זאת, המגבלות הבולטות של המחקר הנוכחי כוללות תת-ייצוג של פתולוגיות לא שכיחות ומחלות מסוימות, כמו גם לפי סף הגיל הנבחר, מה שעשוי לטשטש כמה שינויים פרה-קליניים בקבוצת ה-REF.
מסקנות
החוקרים פיתחו את Surreal-GAN, מערכת ייצוג חמשת מימדית כדי לאפיין את ההטרוגניות הנוירואנטומית של הזדקנות המוח. Surreal-GAN מספק כלי חדשני לניתוח הטרוגניות של ניוון מוח והבנת הקשרים שלה לגורמים דמוגרפיים, פתולוגיים, סגנון חיים וגרסאות גנטיות. יתר על כן, ל-Surreal-GAN יש גם פוטנציאל לשפר אבחון מותאם אישית, ניהול חולים ולשפר את הדיוק והיעילות של ניסויים קליניים.
