Zespół z Uniwersytetu Południowej Kalifornii pokazał, że mózg nie starzeje się jako całość, tylko fragment po fragmencie i w bardzo różnym tempie. Ich sieć neuronowa przypisuje wiek biologiczny każdemu punktowi obrazu z rezonansu magnetycznego, zamiast sprowadzać całą głowę do jednej liczby.
Kluczowe fakty:
- Naukowcy z Uniwersytetu Południowej Kalifornii opracowali sieć neuronową, która przypisuje wiek biologiczny każdemu wokselowi obrazu MRI mózgu, zamiast wyznaczać jedną liczbę dla całego organu. Wyniki badań opublikowano 3 sierpnia w „Proceedings of the National Academy of Sciences".
- Model został wytrenowany na obrazach rezonansu magnetycznego T1-zależnych od 14 748 osób w wieku od 19 do 100 lat, pochodzących z sześciu dużych publicznych zbiorów danych, w tym UK Biobank, Human Connectome Project i Alzheimer's Disease Neuroimaging Initiative.
- Wynikiem działania modelu jest mapa cieplna wskazująca konkretne obszary mózgu, które starzeją się szybciej lub wolniej niż przeciętna dla danego rocznika, co pozwala powiązać lokalne starzenie strukturalne z funkcjami poznawczymi.
Praca ukazała się w poniedziałek 3 sierpnia w „Proceedings of the National Academy of Sciences”. Pierwszym autorem jest Nikhil N. Chaudhari, a kieruje zespołem Andrei Irimia z USC Leonard Davis School of Gerontology. Sprawdziłem oryginalny artykuł: model wytrenowano na obrazach T1-zależnych od 14 748 osób bez zaburzeń poznawczych, w wieku od 19 do 100 lat, pochodzących z sześciu dużych publicznych zbiorów danych, w tym UK Biobank, Human Connectome Project i Alzheimer’s Disease Neuroimaging Initiative.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Jedna liczba na cały mózg mówi za mało
Pojęcie wieku mózgu funkcjonuje w neuroobrazowaniu od kilkunastu lat. Algorytm porównuje strukturę mózgu badanej osoby z tym, jak wygląda przeciętny mózg zdrowej populacji w danym wieku, i podaje wynik. Jeśli czterdziestolatek dostaje wynik pięćdziesięciu lat, oznacza to przyspieszone starzenie strukturalne.
Problem w tym, że pojedyncza liczba gubi geografię. Mózg to nie jednorodny organ, w którym wszystko zużywa się równomiernie. Zespół z USC poszedł więc na poziom woksela, czyli trójwymiarowego odpowiednika piksela w skanie rezonansu. Efektem jest mapa cieplna pokazująca, który konkretnie obszar odbiega od normy dla danego rocznika.
„Nie wszystkie obszary mózgu starzeją się w tym samym tempie” / „Not all brain regions age at the same rate”, powiedział Irimia. „Niektóre wydają się bardziej odporne, inne bardziej podatne na starzenie i chorobę. Mierząc lokalne starzenie mózgu, możemy wskazać, gdzie proces przebiega szybciej, niż powinien, i jak wiąże się to z funkcjami poznawczymi” / „Some areas appear to be more resilient, while others are more vulnerable to aging and disease. By measuring local brain aging, we can identify where the brain is aging faster than expected and how those changes relate to cognitive function.”
Co model zobaczył
Model przetestowano na ponad 1900 uczestnikach z bazy ADNI. W grupie kontrolnej znalazły się 1102 osoby bez zaburzeń poznawczych, do tego 354 osoby z łagodnymi zaburzeniami poznawczymi i 529 osób z chorobą Alzheimera. Wyniki układają się w kilka wyraźnych wzorców:
- U zdrowych dorosłych płaty czołowe i skroniowe, odpowiedzialne między innymi za podejmowanie decyzji i pamięć, wypadają biologicznie starzej niż płaty ciemieniowe i potyliczne.
- Prawa półkula starzeje się nieco szybciej od lewej, i dzieje się to niezależnie od tego, czy badany jest prawo- czy leworęczny.
- U osób z łagodnymi zaburzeniami poznawczymi i alzheimerem lokalny wiek jest wyraźnie wyższy w hipokampie, ciele migdałowatym i strukturach głębokich, czyli dokładnie tam, gdzie patologia pojawia się najwcześniej.
- Im starszy lokalny wiek danego obszaru, tym gorsze wyniki w testach poznawczych powiązanych z tym obszarem. Zależność była najsilniejsza u chorych na alzheimera.
Ostatni punkt uważam za najciekawszy. Anatomia nie zawsze przekłada się na funkcję, a tutaj przekłada się w sposób uporządkowany i przewidywalny.
Bardzo lubię takie prace, bo pokazują coś, czego lekarz nie zobaczy gołym okiem na skanie, a jednocześnie nie obiecują cudów. Kilka rzeczy jednak nie daje mi spokoju. Po pierwsze, gdy tego typu narzędzie wyjdzie z laboratorium, natychmiast pojawi się pokusa sprzedawania go jako komercyjnego badania profilaktycznego, wraz z ładnym kolorowym obrazkiem i liczbą, którą pacjent zabierze do domu. Co człowiek po pięćdziesiątce ma zrobić z informacją, że jego hipokamp wypada na sześćdziesiąt pięć lat, skoro skutecznej terapii modyfikującej przebieg choroby wciąż praktycznie nie ma? Po drugie, model trenowano głównie na danych badawczych z UK Biobank i podobnych zbiorów, a te są demograficznie mocno przechylone. Zanim ktokolwiek zacznie mówić o zastosowaniu klinicznym, chciałbym zobaczyć walidację na populacjach europejskich, w tym środkowoeuropejskiej. Po trzecie, i to pytanie kieruję już do rynku, a nie do naukowców: kto weźmie odpowiedzialność za wynik? Bo im ładniejsza mapa, tym większa pokusa, żeby jej zaufać bardziej niż własnemu badaniu pacjenta.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Autorzy sami studzą entuzjazm
Irimia nie owija w bawełnę i mówi wprost, że metoda pozostaje narzędziem badawczym. Model uczono na obrazach o jakości badawczej, więc zanim trafi do rutynowej opieki nad pacjentem, potrzebuje walidacji na zróżnicowanych danych klinicznych. Do tego badanie opierało się głównie na danych przekrojowych, czyli zdjęciach zrobionych w jednym momencie. Żeby stwierdzić, czy lokalny wiek mózgu przewiduje, kto przejdzie od zdrowego starzenia do otępienia, potrzebne są badania podłużne, prowadzone latami na tych samych osobach.
„Starzenie się mózgu nie jest jednorodne” / „Brain aging isn’t uniform”, podsumował badacz. „Rozumiejąc, jak starzeją się poszczególne obszary i czym te wzorce różnią się między ludźmi, zbliżamy się do znacznie precyzyjniejszego obrazu zdrowego starzenia i chorób neurodegeneracyjnych” / „By understanding how individual regions age, as well as how those patterns differ from person to person, we’re moving toward a much more precise understanding of healthy aging and neurodegenerative disease.”
Badanie sfinansowano z grantu National Institutes of Health, funduszu stypendialnego rodziny Hanson-Thorell oraz programu CURVE na USC.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich pacjentów i placówek
Tu zaczyna się część, która w zagranicznych serwisach nie wystąpi. Według danych Instytutu Metryki i Oceny Zdrowia w 2021 roku na chorobę Alzheimera i choroby pokrewne chorowało w Polsce około 502 tysięcy osób, czyli 1,3 procent populacji. Narodowy Fundusz Zdrowia zarejestrował w 2024 roku 382,6 tysiąca chorych, o 13 procent więcej niż dekadę wcześniej. Różnica między szacunkiem a rejestrem, mniej więcej 120 tysięcy osób, to skala niedodiagnozowania. Najwyższa Izba Kontroli w raporcie z 2026 roku poszła dalej i oceniła, że z chorobami neurodegeneracyjnymi żyje w kraju około 680 tysięcy Polaków, a spójnego systemu opieki nad nimi wciąż nie ma. NIK wytknęła też Ministerstwu Zdrowia rezygnację z opracowanego w 2022 roku pilotażu wczesnego wykrywania zaburzeń otępiennych u osób po sześćdziesiątce.
I teraz najbardziej praktyczna przeszkoda. Narzędzie tego typu działa na obrazach z rezonansu magnetycznego, a z rezonansem w Polsce jest ciasno. Na milion mieszkańców przypada u nas mniej więcej 11 do 12 aparatów, przy średniej dla krajów rozwiniętych na poziomie 18 do 20, choć dekadę temu było ich zaledwie około 4,5. Terminy na rezonans głowy w ramach NFZ liczy się w miesiącach, a do czasu oczekiwania na samo badanie trzeba doliczyć czas oczekiwania na opis, bo radiologów brakuje. Algorytm, który generuje mapę starzenia z gotowego skanu, nie rozwiąże problemu, w którym wąskim gardłem jest dostęp do skanera i do lekarza opisującego.
Jest jeszcze warstwa regulacyjna. Oprogramowanie wspierające decyzje diagnostyczne w oparciu o obraz medyczny wpada w Unii do kategorii systemów wysokiego ryzyka na podstawie artykułu 6 ustęp 1 aktu o sztucznej inteligencji w powiązaniu z rozporządzeniem MDR. Oznacza to ocenę zgodności przez jednostkę notyfikowaną, dokumentację techniczną, zarządzanie ryzykiem, nadzór po wprowadzeniu do obrotu i realny nadzór człowieka. Obowiązki dla systemów wbudowanych w produkty objęte już regulacjami sektorowymi miały zacząć obowiązywać 2 sierpnia 2027 roku, a w pakiecie Digital Omnibus pojawiła się propozycja przesunięcia tego terminu na 2028. Polska placówka, która dziś rozważa zakup takiego rozwiązania, powinna pytać dostawcę nie o dokładność modelu, tylko o certyfikat i o to, na jakiej populacji był walidowany.
Bo mapa starzejącego się mózgu robi ogromne wrażenie. Ale w gabinecie liczy się to, co z niej wynika dla konkretnego pacjenta, a do tego droga jest jeszcze długa.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiałów źródłowych, w tym pracy Deep learning maps local brain aging in relation to cognition across human adulthood opublikowanej w „Proceedings of the National Academy of Sciences” 3 sierpnia 2026 roku oraz komunikatu USC Today z tego samego dnia. Dodatkowy kontekst pochodzi z omówień w serwisach Neuroscience News, AuntMinnie i MedicalXpress. Dane o polskim rynku oparto na raporcie „NFZ o zdrowiu. Choroba Alzheimera i choroby pokrewne”, szacunkach Institute for Health Metrics and Evaluation, danych OECD i GUS o dostępności aparatów rezonansu magnetycznego oraz na raporcie Najwyższej Izby Kontroli omówionym przez Rynek Zdrowia. Cytaty Andreia Irimii, profesora nadzwyczajnego w USC Leonard Davis School of Gerontology, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o walidacji klinicznej modeli lokalnego wieku mózgu.
