脑部MRI成像方式、各成像方式特有的评估指标、脑区以及用于预测脑龄的认知测试的比较研究

《GeroScience》：A comparative evaluation of brain MRI modalities, modality-specific measures, brain regions, and cognitive tests for brain age prediction

　　

摘要

利用机器学习进行脑龄估算作为一种评估认知健康和衰老状况的有效方法，已受到广泛关注。通过分析结构磁共振成像和功能磁共振成像数据，这些模型能够预测个体的脑龄，从而为了解神经系统疾病及潜在干预措施提供依据。本研究的目的是比较不同磁共振成像技术在预测脑龄方面的性能，并确定特定脑区的相对重要性。研究中，从T1加权磁共振成像（皮质厚度和体积）、rs-fMRI（低频波动幅度及功能连接矩阵）、扩散加权磁共振成像（扩散张量成像参数）以及认知测试得分中提取的特征被用于岭回归模型中以预测脑龄。为减少信息泄露，特征选择、降维、超参数调整以及年龄偏差校正均在每个外部折叠的训练数据中进行。其中，由rs-fMRI得出的特征，尤其是功能连接矩阵的相关值，具有最低的平均绝对误差（MAE=7.60±0.94），其次是ALFF（MAE=8.29±1.09），再者为认知测试得分（MAE=9.14±1.27）。选取表现最佳的20%特征可提升皮质厚度预测的准确性，同时也能凸显不同成像技术对应的区域贡献。不过，基于连接性的模型也显示出脑龄差异与实际年龄之间更强的关联，这说明预测误差和年龄偏差应共同考虑。这些研究结果揭示了结构、功能、扩散及认知指标在脑龄预测中的不同作用。对多种成像技术和认知特征进行系统比较，有助于了解它们的相对预测价值以及在描述大脑衰老过程中的潜在作用。未来需要在更大规模、更多样化的群体中进行研究，以确定这些指标能否作为神经退行性疾病和异常衰老过程的可靠生物标志物。