基于深度学习的脑BMI生物标志物及其在检测非神经系统疾病中的优越性

《npj Digital Medicine》：Brain signatures of body mass index predict cardiometabolic and respiratory disease status

摘要

尽管使用神经网络在脑生物标志物方面取得了进展，但体重对脑结构的影响一直受到忽视，特别是在与非传染性疾病的关系方面。在此，我们分离出体重指数（BMI）的大脑生物标志物，并评估了它们与疾病状态的关联。我们在来自六个独立队列的T1加权MRI扫描上应用深度学习来预测BMI，在队列内实现了强大的性能，而外部性能有所降低。在纵向随访子集中，该模型成功跟踪了2.3年内的BMI变化，对BMI增加具有更强的敏感性，对肥胖参与者的敏感性也更高。接下来，我们使用学到的脑生物标志物来推断与心脏代谢和肺部状况相关的生活方式因素和诊断。引人注目的是，基于大脑的模型在检测无主要神经系统病因的疾病方面，显示出比BMI本身更优越的判别能力。对学习模式的检查显示，预测是由小脑、胼胝体和脑干中的白质信号驱动的，这些信号本身就能像完整模型一样检测到疾病。动态脑BMI特征的存在，以及它们在检测系统性疾病方面始终优于BMI，表明存在连接代谢状态和脑结构的共同机制的可能性。