“延緩大腦老化”聽起來就像是個不切實際的廣告噱頭，但實際上，這種幻想在科學的支持下卻有可能成為現實。“大腦年齡”并不能反映出人的實際年齡的平均功能狀態，更多是與相對于大腦實際年齡的衰老程度有關。我們都知道，盡管有些人看起來年齡已經很大，但他們的思維依然敏捷，且行動依然靈活。

當你以為在飛機上和你聊天的那個女人只有40多歲，但她的大腦年齡已經是70多歲時，你會感到難以置信。正如“大腦年齡”名字所指的那樣，這個概念希望能夠捕捉到認知分離背后的生物復雜性。

這不僅僅是純粹的學術樂趣。長壽研究人員越來越想認為，你活了多長時間并不是預測整體健康的最佳指標。精確而簡單地測量某個人真實的生物大腦年齡，可能成為更有效的警示方案。畢竟，如果你知道自己的大腦老化得比預期的更快，就可以及早干預這個過程。

發表在《自然神經科學》（Nature Neuroscience）雜志上的一項研究，將三個完全不同的領域融入到單一的算法中，這些領域包括神經科學、長壽和機器學習，該算法可以純粹基于MRI（核磁共振）掃描來預測某人的大腦年齡。

這項研究使用了年齡跨度超過80多歲的近5萬人的數據，首次梳理了常見的大腦疾病如何影響大腦老化，如抑郁癥和自閉癥。更重要的是，該團隊深入挖掘了來自英國生物銀行的人類基因組數據，精確定位了一組與神經疾病相關的基因，特別是加速大腦老化的基因。

挪威奧斯陸大學的研究作者托拜厄斯·考夫曼（Tobias Kaufmann）說：“我們揭示了與健康個體大腦老化明顯有關的基因，它們與我們常見的大腦疾病有關的基因重疊。”

這種“大腦年齡差距”指標的直接使用，可以作為大腦衰老的生物標志物，它可以幫助醫生對他們的老年患者做出更明智的診斷。

但密蘇里州圣路易斯華盛頓大學醫學院的珍妮·拜思特博斯博士（Janine Bijsterbosch）說，除了這項研究的發現外，它最重要的貢獻可能是確認了跨學科方法的有效性，這種方法“只有通過研究大量人群的腦部掃描才有可能”涵蓋掃描儀、地點和設置。

想要進行轉換？來自單個實驗室的數據不再足以尋找微小的、復雜的但強大的大腦老化標志，或其他神經學測量和健康見解。為了更好地揭示我們大腦的奧秘，跨越種族和社會經濟鴻溝，我們需要認識并在研究中利用這樣的策略，即“人多力量大”。

大腦年齡與健康壽命

2015年末，《自然醫學》(Nature Medicine)雜志上的一系列專家評論，鞏固了長壽研究的一種新興趨勢。與其試圖延長壽命相比，目前的重點應該更多地放在延長健康壽命上，即人可以在沒有疾病的情況下存活多久，或者將常見年齡相關疾病的發生推遲多長時間。

這立刻帶來了一個問題：如何衡量某個人的“真實”生物學年齡？這是個尚未解決的難題。但是對于大腦來說，有個標志正發揮主導作用，即大腦年齡差距，或指某人實際年齡和大腦年齡之間的差異。這個指標可以表明，某人的大腦比正常情況下衰老得更快或更慢。

控制大腦在整個生命周期中成熟和變化速度的“分子管弦樂隊”在大腦結構中扮演著重要的角色，但它可以使用MRI來測量。同樣，決定神經回路物理連接的“生物舞蹈”也是自閉癥、精神分裂癥、雙相情感障礙或抑郁癥等腦部疾病的基礎。

這導致研究團隊提出這樣的問題：有沒有方法可以使用MRI掃描來測量某人的大腦年齡差距？不同的精神障礙會發生什么變化？我們能否將大腦年齡與特定的基因聯系起來，揭示那些加速和延緩大腦衰老的基因？

規模龐大的研究

考夫曼和他的同事不是第一個嘗試解決這個問題的人，但他們肯定是最雄心勃勃的。他們解釋說，以前的研究都是“小打小鬧”，因為他們只關注有限的年齡范圍，通常關注某種單一的精神障礙，抑或是最多幾百人的規模。這些研究不能提供整個生命周期內大腦結構變化的整體動態圖像。

由于沒有任何實驗室能夠提供他們需要的數據，為此該團隊決定從幾個地方收集MRI掃描數據，這些數據由不同的MRI掃描儀在不同的設置下獲得。過去，這簡直是瘋狂之舉，因為這些變化使得蘋果與蘋果之間的圖像比較變得極其困難。

使用烹飪作為類比，這就像試圖辨認出同一道菜的數十萬個手寫菜譜，而每個菜譜都使用一系列單位和縮寫以個人格式書寫而成，并試圖破譯某個平均的“基線”食譜，以充分地判斷所有其他菜譜的準確性和價值。

研究團隊依靠一系列先進的數據方法，將45615人的數據轉化為標準化集合，這是一項耗費大量精力、時間和反復試驗的任務。作為一種健全性檢查，他們隨后將這些信息包括在他們的機器學習算法中，以便再次檢查潛在的標準化錯誤。接下來，使用超過35000名3至89歲的健康人的數據，他們訓練人工智能來預測正常的大腦老化軌跡。然后用另外4353名健康人的數據驗證了該算法。最后，研究小組比較了近5800名患有各種腦部疾病的人的腦部掃描，將每個人的腦部年齡與大體軌跡相匹配。

研究人員有了幾個發現。大腦年齡差距最大的是嚴重的精神障礙，包括精神分裂癥、多發性硬化癥和癡呆癥。相比之下，發育性腦疾病，如自閉癥和注意缺陷多動障礙（ADHD），似乎并沒有特別影響大腦年齡。

拋開大腦的全面變化不談，研究小組還發現，導致大腦年齡差距的腦部區域就是那些已經牽涉到這種特定精神障礙的區域。例如，在阿爾茨海默病中，大腦皮層下區域的結構慢慢枯萎，它們也是觸發由算法測量的大腦年齡差距的區域。

研究人員稱，這是個重要的驗證。它表明，人工智能可以將來自大量大腦圖像的信息濃縮成可解釋的評分，而不會完全丟失有關單個大腦區域的信息。換句話說，有些疾病可能會導致一個大腦區域比其他區域更快地老化。人工智能可以破譯這些差異并指導潛在的治療。

遺傳聯系

聚合數據集的另一個好處在于，它包含了與腦部掃描相關的遺傳信息。加速的大腦老化可能是遺傳不良基因的結果，而有害的環境或生活方式的選擇會加劇這種情況。研究人員說，分析基因是開始探索影響大腦老化軌跡變化因素的一種方式。

也許并不令人驚訝的是，一項分析表明，大腦的年齡差距至少部分是可遺傳的。研究小組還發現了某些基因，這些基因似乎對大腦年齡差距和大腦紊亂都有影響。也就是說，每個基因因人而異，也都有各自不同的影響。

研究人員稱：“與健康人腦年齡差距相關的遺傳變異與在自閉癥中觀察到的注意缺陷多動障礙（ADHD）部分重疊。這些結果表明，大腦年齡差距和大腦疾病之間存在共同的分子遺傳機制。”

個體大腦年齡

人工智能是幫助確定個體大腦年齡的第一步。拜思特博斯博士說，從平均結果到單獨的掃描是困難的，因為MRI掃描相對來說比較嘈雜，人與人之間的變異性很大。還需要更多的研究，但鑒于其規模龐大，這項研究為此打下了堅實的基礎。

最終，研究人員希望基于某個人的基因，在高危腦部疾病發作之前，預測他們的大腦年齡差距，并跟蹤疾病的進展情況，以幫助調整他們的治療方案。

拜思特博斯博士說：“我們距離以這種方式利用大腦年齡差距還有很長的路要走。”但隨著多項大規模生物標記物研究的進行，這個神經科學與人工智能交叉的典范僅僅是一個開始。