Az agyi felvételek elemzése során az öregedéssel és a neurodegeneratív betegségekkel összefüggő agyi sorvadás öt különböző mintázatát tárták fel a szakértők. Az elemzés során az életmódbeli tényezőkkel, például a dohányzással és az alkoholfogyasztással, valamint az egészségi állapottal és a betegség kockázatával összefüggő genetikai és véralapú markerekkel is összefüggésbe hozták ezeket a mintázatokat.

A munka nagyban elősegítheti az öregedéssel kapcsolatos ismereteket, mondja Andrei Irimia, a Dél-Kaliforniai Egyetem gerontológusa, aki nem vett részt a vizsgálatban. Ezt a kutatást megelőzően tudtuk, hogy az agy anatómiája az öregedéssel és a betegségekkel együtt változik. De sokkal szerényebb volt a képességünk arra, hogy ezt az összetett kölcsönhatást felfogjuk, folytatja a szakértő.

Az öregedés nemcsak a hajszálakon látszik, hanem az agy anatómiájában is változásokat idézhet elő, amelyek a mágneses rezonancia-vizsgálatokon (MRI) kimutathatók: egyes területek idővel összezsugorodnak vagy szerkezeti változásokon mennek keresztül. Ezek az átalakulások azonban aprók. Az emberi szem nem képes érzékelni az agyi változások szisztematikus mintázatait, amelyek a hanyatlással kapcsolatosak, mondja Christos Davatzikos, a Pennsylvaniai Egyetem biomedikai képalkotó szakembere, az eredményekről beszámoló tanulmány egyik szerzője.

Korábbi vizsgálatok kimutatták, hogy gépi tanulási módszerekkel viszont lehetséges az öregedés finom nyomait feltárni az MRI-adatokból. Ezek a kutatások azonban gyakran korlátozottak voltak, és a legtöbbjük viszonylag kis számú alany adatait tartalmazta.

Az átfogóbb mintázatok azonosítása érdekében Davatzikos csapata egy olyan vizsgálatba kezdett, amelynek elvégzése és közzététele nagyjából nyolc évig tartott. A Surreal-GAN nevű mélytanulási módszert használták, amelyet az első szerző, Zhijian Yang fejlesztett ki, amikor még Davatzikos végzős hallgatója volt. A kutatók 1150 egészséges, 20–49 év közötti és 8992 idősebb felnőtt – köztük sokan kognitív hanyatlással küzdöttek – agyi MRI-felvételein tanította be az algoritmust. A rendszer így megtanulta, hogy felismerje az öregedő agyak közös jellemzőit, és belső modellt hozzon létre az olyan anatómiai struktúrákról, amelyek hajlamosak egyszerre változni, szemben azokkal, amelyek inkább egymástól függetlenül változnak.

A kutatók ezután az így kapott modellt az öregedéssel és a neurológiai egészséggel kapcsolatos különböző vizsgálatokban részt vevő közel 50 ezer ember MRI-felvételeire alkalmazták. Ez az elemzés az agy sorvadásának öt különböző mintázatát azonosította. A kutatók az időskori agyi degeneráció különböző típusait az öt mintázat kombinációihoz kapcsolták, bár az azonos állapotban lévő egyének között is voltak bizonyos eltérések.

Például a demencia és annak előfutára, az enyhe kognitív károsodás az öt mintázatból háromhoz kapcsolódott. Érdekes módon a kutatók arra is bizonyítékot találtak, hogy az általuk azonosított mintázatok potenciálisan felhasználhatók a jövőbeni további agyi degeneráció valószínűségének feltárására. „Ha a kognitívan normális állapotból az enyhe kognitív károsodásba való átmenetet akarjuk megjósolni, akkor az egyik mintázat kiválón előrejelzőnek bizonyult” – mondja Davatzikos. „A későbbi szakaszokban pedig egy második mintázat hozzáadása gazdagítja az előrejelzést.” Más mintázatok olyan állapotokhoz kapcsolódtak, mint a Parkinson-kór és az Alzheimer-kór, és a három mintázat egyik kombinációja megbízhatóan előrejelezte a halál bekövetkeztének valószínűségét.

A szerzők egyértelmű összefüggéseket találtak az agyi sorvadás bizonyos mintázatai és különböző fiziológiai és környezeti tényezők, köztük az alkoholfogyasztás és a dohányzás, valamint különböző egészséggel összefüggő genetikai és biokémiai markerek között. Davatzikos szerint ezek az eredmények valószínűleg az általános fizikai jóllét neurológiai egészségre gyakorolt hatását tükrözik, mivel más szervrendszerek károsodása az agyra is hatással lehet.

Davatzikos ugyanakkor figyelmeztet, hogy a vizsgálat eredményei nem jelentik azt, hogy mindent le lehet szűkíteni öt számra. Csapata a következőkben olyan adatsorokkal szeretne dolgozni, amelyek a neurológiai állapotok szélesebb körét tartalmazzák, és nagyobb faji és etnikai sokszínűséggel rendelkeznek.