Американские нейроинженеры создали нейросеть, которая оценивает не единый «возраст мозга» на весь орган, а отдельный возраст для каждой крошечной области вплоть до отдельных вокселей на МРТ-снимке. Модель, обученная на почти 15 000 снимков здоровых людей из шести международных баз данных, показала, что лобные и височные доли мозга «стареют» быстрее остальных отделов. Эта закономерность прослеживается и у здоровых людей и усиливается по мере развития болезни Альцгеймера. У пациентов с этим заболеванием ключевые структуры, поражаемые на ранних стадиях нейродегенерации, показывали «возраст» на несколько лет старше паспортного, и это напрямую коррелировало с ухудшением когнитивных функций. Работа опубликована в журнале PNAS.
На изображении представлена выборка здоровых людей, локальные зоны «старения» мозга помечены более теплыми оттенками. Credit: Nikhil N. Chaudhari et al. / PNAS 2026
Старение – главный фактор риска болезни Альцгеймера. Один из его биологических признаков – атрофия мозга, уменьшение объема ткани из-за потери клеток и связей. Чтобы количественно оценить, насколько мозг конкретного человека «постарел» относительно паспортного возраста, нейробиологи используют показатель «возраст мозга». Нейросеть анализирует МРТ и предсказывает, сколько лет должно быть человеку с такой анатомией. Разница между предсказанным и настоящим возрастом связана с риском заболеваний и может использоваться для ранней диагностики.
Проблема традиционного подхода в том, что он сводит всю сложность мозга к одному числу на весь орган, тогда как разные структуры стареют не одновременно – например, медиальная височная доля и мозжечок обычно уменьшаются раньше, зрительная кора сохраняется лучше. При заболеваниях картина становится еще специфичнее, так как при болезни Альцгеймера в первую очередь атрофируется гиппокамп, при болезни Паркинсона – базальные ганглии. Единая цифра эти различия стирает.
Авторы разработали архитектуру V-Net – нейросеть с кодировщиком и декодировщиком, которая принимает трехмерный МРТ-снимок и выдает такую же по форме трехмерную «карту возраста» – отдельное число лет для каждого вокселя мозга. Сеть обучали предсказывать паспортный возраст по локальной анатомии каждой точки на снимках 14 748 когнитивно здоровых людей от 19 до 100 лет из шести баз данных, включая Британский биобанк и проект коннектома человека. Чтобы устранить недооценку возраста у пожилых и переоценку у молодых (что часто бывает), авторы применили двухуровневую коррекцию, устраняющую общее смещение без стирания различий между областями. Готовую модель протестировали на выборке из 1102 здоровых человека, 354 человека с легким когнитивным нарушением и 529 пациентов с болезнью Альцгеймера. Средняя ошибка предсказания возраста составила 5,94 года.
Авторы увидели четкий пространственный градиент старения. У здоровых людей лобные и височные доли неизменно показывали больший «возрастной разрыв», чем теменные и затылочные области, базальные ганглии и таламус, которые выглядели относительно «моложе» паспортного возраста. Отдельно борозды коры оказались систематически «старше» самих извилин – разница составляла в среднем 0,4 года даже у здоровых людей и резко увеличивалась у пациентов с когнитивными нарушениями (до нескольких лет в наиболее уязвимых бороздах лобной доли).
При сравнении диагностических групп различия оказались системными. У пациентов с болезнью Альцгеймера самый большой возрастной разрыв обнаружился в подкорковых структурах серого вещества, а также в мозжечковом белом веществе и стволе мозга. Локальный «возраст» здесь превышал норму на 3,5-3,6 года больше, чем у здоровых людей того же возраста. Правый гиппокамп и правая миндалина – структуры, критически важные для памяти и одними из первых страдающие при болезни Альцгеймера – также «старели» на 3,2-3,3 года сверх нормы. У пациентов с легким когнитивным нарушением похожие, но менее выраженные изменения затрагивали лобную кору, таламус и прилежащее ядро – примерно на два года сверх нормы.
Обнаружилась и асимметрия полушарий, в рамках которой у здоровых людей правое полушарие в среднем было «старше», чем левое, особенно в височно-теменных областях. Проверка на выборках, сбалансированных по преобладающей руке, показала, что асимметрия не связана с распределением левшей и правшей, то есть отражает подлинную биологическую закономерность. Отдельный анализ подтвердил, что карты возраста устойчиво воспроизводятся у одного человека при повторных МРТ в течение короткого времени (менее года), но заметно меняются при более длительном интервале (около 4,5 лет). Это говорит о том, что модель улавливает подлинную индивидуальную динамику, а не шум.
Наконец, локальный возраст мозга напрямую оказался связан с когнитивными функциями. У пациентов с болезнью Альцгеймера более «старый» возраст в бледном шаре, скорлупе, вентральном промежуточном мозге и гиппокампе значимо коррелировал с худшими результатами тестов на память, повседневную активность и общий когнитивный статус. У здоровых людей и людей с легким когнитивным нарушением такой связи почти не наблюдалось.
Авторы связывают уязвимость лобных долей с двумя объяснениями. Первое – гипотеза «ретрогенеза», согласно которой зоны мозга, формирующиеся позже всех в развитии (например, префронтальная кора), первыми начинают деградировать – «последним созрел, первым увял». Второе – высокая метаболическая цена работы лобных долей, которые обеспечивают сложнейшие когнитивные функции и потребляют непропорционально много энергии, что со временем приводит к накоплению окислительного стресса. Уязвимость борозд коры авторы объясняют их сложной механической историей формирования, а также худшим вымыванием токсичных белков вроде амилоида и тау в глубоких бороздах.
Нужно сказать, что модель обучена и валидирована только на исследовательских МРТ высокого качества, поэтому работоспособность на обычных клинических сканах (которые делают абсолютному большинству людей) еще предстоит проверить. Кроме того, все данные – это поперечный срез в один момент времени, и чтобы понять, предсказывает ли локальное «старение» переход к когнитивным нарушениям, нужны продольные исследования с повторными измерениями у одних и тех же людей.
Тем не менее авторы рассматривают свой подход как инструмент, способный улучшить раннюю диагностику и мониторинг прогрессирования нейродегенеративных заболеваний, выявляя, какие именно зоны мозга «стареют» быстрее нормы у конкретного человека, задолго до появления выраженных симптомов.
Текст: Анна Хоружая
Deep learning maps local brain aging in relation to cognition across human adulthood by Nikhil N. Chaudhari et al. in PNAS. Published August 2026
https://doi.org/10.1073/pnas.2532233123
Читайте материалы нашего сайта во ВКонтакте, Одноклассниках, Яндекс-Дзен и каналах в Telegram и MAX
