La carte de l'âge du cerveau express
Le cortex cérébral ressemble à une feuille de papier froissée : il a une épaisseur, des courbures et une profondeur de plis. Avec l'âge, cette feuille se modifie de manière inégale – par endroits elle s'amincit, par endroits elle perd la netteté de ses courbures. Autrefois, les médecins évaluaient l'âge du cerveau dans son ensemble, comme s'ils regardaient la feuille de loin. Désormais, un réseau de neurones examine chaque point de la surface avec un pas de 1,37 mm – comme une loupe qui révèle le vieillissement de zones individuelles.
Le modèle a été entraîné sur des images de 14 423 adultes en bonne santé. Il a calculé que, chez les personnes en bonne santé, les zones qui relient différentes parties du cerveau – les régions associatives du cortex – vieillissent le plus rapidement. En cas de troubles légers de la mémoire, le vieillissement s'étend plus largement, touchant le gyrus parahippocampique – une zone importante pour la mémorisation. Dans la maladie d'Alzheimer, les changements liés à l'âge couvrent presque tout le cortex, en particulier les lobes temporaux.
L'écart entre l'âge réel du cerveau et l'âge prédit est lié aux tests de mémoire et de pensée. Plus une zone du cortex « paraît âgée », plus la personne réussit mal les tâches. Cela signifie que la carte du vieillissement local n'est pas qu'une simple image, mais un outil de diagnostic précoce.
Le réseau de neurones voit le cortex comme un réseau de routes : chaque point est relié à ses voisins, et le vieillissement d'une zone entraîne les autres. Cette approche permet de voir où commence la dégradation, bien avant l'apparition de symptômes évidents.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2601.10912
Estimating brain age (BA) from T1-weighted magnetic resonance images (MRIs) provides a powerful framework for quantifying anatomical brain aging. Whereas global BA (GBA) summarizes overall brain health, local BA (LBA) provides cortically specific patterns of aging at the subject level. Although previous studies have examined anatomical contributors to GBA, to our knowledge, no framework has been established to estimate LBA using cortical morphology. To address this gap, we introduce a graph neural network (GNN) that uses morphometric features$$\unicode{x2013}$$cortical thickness, surface area, curvature, gray/white matter intensity ratio (GWR), sulcal depth$$\unicode{x2013}$$to estimate LBA across the cortical surface at high spatial resolution (mean inter-vertex distance = 1.37 mm). Trained on cortical surface meshes extracted from the MRIs of cognitively normal (CN) adults (N = 14,423), our model achieves lower mean absolute error (MAE) than the existing state-of-the-art while identifying more biologically plausible patterns of aging in Alzheimer's disease (AD) on the ADNI dataset. Association cortices emerge as primary sites of morphometric aging in CNs, whereas mild cognitive impairment is characterized by widespread aging that is pronounced in the parahippocampal gyrus. AD subjects demonstrate significant aging across the entire cortex, particularly within medial temporal regions and associated cortical networks. Feature ablation highlights curvature and GWR as preferentially sensitive to AD pathology. Regional LBA gaps are significantly associated with neuropsychological measures of AD-related cognitive impairment, linking cortical aging patterns to clinical outcomes. These results demonstrate that GNN-based modeling of cortical morphometry enables biologically interpretable mapping of local brain aging with greater interpretability than prior work.
La distance moyenne entre les points de la carte du cortex est de 1,37 mm, soit plus fin qu'une allumette.
Dans la série « Altered Carbon », l'âge du cortex cérébral pouvait être lu directement – ces travaux rapprochent un tel diagnostic.