Czy nasze mózgi starzeją się szybciej niż myślimy?

Kiedy mówimy o starzeniu, zwykle myślimy o zmarszczkach czy siwych włosach. Ale co z naszym mózgiem?

Starzenie mózgu to temat, który od dawna intryguje naukowców. Dzięki nowemu badaniu z Mount Sinai jesteśmy o krok bliżej zrozumienia tego procesu - wszystko to za sprawą AI!

Zespół naukowy zebrał kolekcję blisko 700 zdigitalizowanych obrazów sekcji hipokampa z mózgów zmarłych dawców.

👉 Hipokamp jest znany ze swojej roli w procesach starzenia się mózgu oraz w chorobach neurodegeneracyjnych, co czyni go idealnym obszarem do analizy.

Następnie wykorzystując techniki uczenia maszynowego zespół nauczył model estymować wiek śmierci osoby wyłącznie na podstawie tych zdigitalizowanych sekcji.

Model ten korzystał z różnic między przewidywanym wiekiem a rzeczywistym wiekiem śmierci, aby określić stopień przyspieszenia starzenia mózgu.

Badacze z Mount Sinai opracowali w ten sposób rewolucyjny algorytm AI nazwany „HistoAge”. Potrafi on określić wiek śmierci człowieka na podstawie analizy kompozycji komórkowej tkanki mózgowej z dokładnością do średnio 5,45 (± 0,22) lat!

🔥 Odkrycie to pozwala na identyfikację regionów mózgu najbardziej podatnych na starzenie i potencjalne choroby neurodegeneracyjne jak Alzheimer.

Badanie wykazało, że HistoAge ma silniejsze związki z zaburzeniami poznawczymi i chorobami naczyniowo-mózgowymi niż tradycyjne metody takie jak analiza metylacji DNA.

Algorytm ten otwiera nowe możliwości w badaniach nad starzeniem się mózgu i chorobami neurodegeneracyjnymi. Badacze z Mount Sinai planują wykorzystać te odkrycia do tworzenia jeszcze bardziej zaawansowanych modeli AI, co może przynieść rewolucyjne zmiany w diagnozowaniu i leczeniu chorób mózgu.

💡 Czy czeka nas rewolucja w sposobie, w jaki postrzegamy starzenie się mózgu i neurodegenerację?

Z pewnością. Jeszcze ważniejsze moim zdaniem jest to, by opracować metody pozwalające na szybką, nieinwazyjną i dostępną diagnostykę dla społeczeństwa. Takim przykładem może być choćby możliwość diagnozy części chorób psychicznych na podstawie eye-trackingu.