“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(xué)的支持下卻有可能成為現(xiàn)實。“大腦年齡”并不能反映出人的實際年齡的平均功能狀態(tài)，更多是與相對于大腦實際年齡的衰老程度有關(guān)。我們都知道，盡管有些人看起來年齡已經(jīng)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(jīng)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(fù)雜性。

這不僅僅是純粹的學(xué)術(shù)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(yù)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(yù)期的更快，就可以及早干預(yù)這個過程。

發(fā)表在《自然神經(jīng)科學(xué)》（Nature Neuroscience）雜志上的一項研究，將三個完全不同的領(lǐng)域融入到單一的算法中，這些領(lǐng)域包括神經(jīng)科學(xué)、長壽和機器學(xué)習，該算法可以純粹基于MRI（核磁共振）掃描來預(yù)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(shù)據(jù)，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(shù)據(jù)，精確定位了一組與神經(jīng)疾病相關(guān)的基因，特別是加速大腦老化的基因。

挪威奧斯陸大學(xué)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(guān)的基因，它們與我們常見的大腦疾病有關(guān)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(yī)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(xué)醫(yī)學(xué)院的珍妮·拜思特博斯博士（Janine Bijsterbosch）說，除了這項研究的發(fā)現(xiàn)外，它最重要的貢獻可能是確認了跨學(xué)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(shè)置。

想要進行轉(zhuǎn)換？來自單個實驗室的數(shù)據(jù)不再足以尋找微小的、復(fù)雜的但強大的大腦老化標志，或其他神經(jīng)學(xué)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(jīng)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(yī)學(xué)》(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(yīng)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(guān)疾病的發(fā)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(xué)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(fā)揮主導(dǎo)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(jié)構(gòu)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(jīng)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(chǔ)。

這導(dǎo)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(fā)生什么變化？我們能否將大腦年齡與特定的基因聯(lián)系起來，揭示那些加速和延緩大腦衰老的基因？

規(guī)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(guān)注有限的年齡范圍，通常關(guān)注某種單一的精神障礙，抑或是最多幾百人的規(guī)模。這些研究不能提供整個生命周期內(nèi)大腦結(jié)構(gòu)變化的整體動態(tài)圖像。

由于沒有任何實驗室能夠提供他們需要的數(shù)據(jù)，為此該團隊決定從幾個地方收集MRI掃描數(shù)據(jù)，這些數(shù)據(jù)由不同的MRI掃描儀在不同的設(shè)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(shù)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(shù)據(jù)方法，將45615人的數(shù)據(jù)轉(zhuǎn)化為標準化集合，這是一項耗費大量精力、時間和反復(fù)試驗的任務(wù)。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(xué)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(shù)據(jù)，他們訓(xùn)練人工智能來預(yù)測正常的大腦老化軌跡。然后用另外4353名健康人的數(shù)據(jù)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(fā)現(xiàn)。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(fā)性硬化癥和癡呆癥。相比之下，發(fā)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(fā)現(xiàn)，導(dǎo)致大腦年齡差距的腦部區(qū)域就是那些已經(jīng)牽涉到這種特定精神障礙的區(qū)域。例如，在阿爾茨海默病中，大腦皮層下區(qū)域的結(jié)構(gòu)慢慢枯萎，它們也是觸發(fā)由算法測量的大腦年齡差距的區(qū)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(guān)單個大腦區(qū)域的信息。換句話說，有些疾病可能會導(dǎo)致一個大腦區(qū)域比其他區(qū)域更快地老化。人工智能可以破譯這些差異并指導(dǎo)潛在的治療。

遺傳聯(lián)系

聚合數(shù)據(jù)集的另一個好處在于，它包含了與腦部掃描相關(guān)的遺傳信息。加速的大腦老化可能是遺傳不良基因的結(jié)果，而有害的環(huán)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(fā)現(xiàn)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(guān)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(jié)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(jié)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(guī)模龐大，這項研究為此打下了堅實的基礎(chǔ)。

最終，研究人員希望基于某個人的基因，在高危腦部疾病發(fā)作之前，預(yù)測他們的大腦年齡差距，并跟蹤疾病的進展情況，以幫助調(diào)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(guī)模生物標記物研究的進行，這個神經(jīng)科學(xué)與人工智能交叉的典范僅僅是一個開始。