Карта возраста мозга экспресс
Кора головного мозга похожа на смятый лист бумаги: у неё есть толщина, изгибы и глубина складок. С возрастом этот лист меняется неравномерно — где-то истончается, где-то теряет чёткость изгибов. Раньше врачи оценивали возраст мозга целиком, как будто смотрели на лист издалека. Теперь нейросеть разглядывает каждую точку поверхности с шагом 1,37 мм — как лупа, которая показывает старение отдельных участков.
Модель обучили на снимках 14 423 здоровых взрослых. Она вычислила, что у здоровых людей быстрее всего стареют зоны, которые связывают разные отделы мозга — ассоциативные области коры. При лёгких нарушениях памяти старение расползается шире, захватывая парагиппокампальную извилину — участок, важный для запоминания. При болезни Альцгеймера возрастные изменения охватывают почти всю кору, особенно височные доли.
Разница между реальным возрастом мозга и предсказанным связана с тестами на память и мышление. Чем больше участок коры «выглядит старше», тем хуже человек справляется с заданиями. Это значит, что карта локального старения — не просто картинка, а инструмент для ранней диагностики.
Нейросеть смотрит на кору как на сеть дорог: каждая точка связана с соседними, и старение одной области тянет за собой другие. Такой подход позволяет увидеть, где начинается разрушение, задолго до явных симптомов.
Оригинальная аннотация
как её написали авторы, на английском 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.
Среднее расстояние между точками на карте коры — 1,37 мм, это тоньше спички.
В сериале «Видоизменённый углерод» возраст коры мозга можно было считать напрямую — эта работа приближает такую диагностику.