Η γήρανση και τα δεινά που την συνοδεύουν ακολουθούν διαφορετικά μοτίβα εκφύλισης του εγκεφάλου που συνδέονται με τον τρόπο ζωής και τις ιδιαιτερότητες του οργανισμού μας, διαπιστώνει μελέτη που εξέτασε τομογραφίες δεκάδων χιλιάδων ανθρώπων. Στο μέλλον, αλγόριθμοι που αναγνωρίζουν αυτά τα σημάδια θα μπορούσαν να ανιχνεύουν ασθένειες όπως η Αλτσχάιμερ πριν εμφανιστούν συμπτώματα, ελπίζουν οι ερευνητές.
Όπως όλα τα όργανα, ο εγκέφαλος εμφανίζει αλλαγές καθώς γερνά και συρρικνώνονται, με την ατροφία να γίνεται τελικά εμφανής σε μαγνητικές τομογραφίες. Είναι όμως δύσκολο να παρακολουθήσει κανείς την εξέλιξη στην πορεία του χρόνου και πολλές αλλαγές είναι δυσδιάκριτες στο ανθρώπινο μάτι.
Η νέα μελέτη που δημοσιεύεται στο Nature Medicine ακολουθεί μια νέα προσέγγιση που βασίζεται στη «μηχανική μάθηση», ένα είδος τεχνητής νοημοσύνης που μαθαίνει από παραδείγματα.
Η ομάδα του Χρήστου Δαβατζίκου, ειδικό της βιοϊατρικής απεικόνισης στο Πανεπιστήμιο της Πενσιλβάνια, τροφοδότησε ένα τέτοιο μοντέλο με τομογραφίες 1.150 υγιών εθελοντών 20-49 ετών και σχεδόν 9.000 ηλικιωμένων, από τους οποίους αρκετοί έπασχαν από τουλάχιστον ήπια άνοια.
Το μοντέλο έμαθε έτσι να συνδέει τις αλλαγές που τείνουν να συμβαίνουν ταυτόχρονα από αυτές που ξεκινούν ανεξάρτητα σε διαφορετικές στιγμές. Μετά την εκπαίδευσή του, ο αλγόριθμος κλήθηκε να αναλύσει τομογραφίες σχεδόν 50.000 ανθρώπων από διάφορες προηγούμενες μελέτες για τη γήρανση και την υγεία του εγκεφάλου.
Ο αλγόριθμος κατέληξε έτσι σε πέντε επιμέρους μοτίβα εγκεφαλικής ατροφίας, με την Ατλσχάιμερ, την Πάρκινσον και άλλες νευροεκφυλιστικές ασθένειες να συνδέονται με συνδυασμούς αυτών των μοτίβων. Για παράδειγμα, η άνοια γενικά συνδέεται με τρία μοτίβα.
Στατιστικές συνδέσεις με συνδυασμούς μοτίβων βρέθηκαν και σε ορισμένους γενετικούς παράγοντες και συμπεριφορές όπως το κάπνισμα και η κατανάλωση αλκοόλ.
Τα ευρήματα δημιουργούν αισιοδοξία για έγκαιρη διάγνωση ασθενειών του εγκεφάλου, αν και όπως επισήμαναν οι ερευνητές οι αλγόριθμοι θα πρέπει να εκπαιδευτούν σε μεγαλύτερα δείγματα ασθενών και με περισσότερες νευρολογικές παθήσεις.
