網易科技訊12月13日消息，據外媒報道，利用核磁共振成像技術（MRI）掃描確定大腦年齡總是非常耗費時間，現在人工智能（AI）機器只需要數秒鐘就能給出答案。

　　人類的認知能力會隨著年齡增長而下降，神經科學家們早已經知道，這種下降與大腦中某種結構變化有關。因此，利用MRI成像技術發現大腦中的衰老跡象甚至確定“大腦年齡”，都是有可能的。大腦年齡與生理年齡之間的區別，可能幫助科學家找出老年癡呆癥等疾病的發病條件。

　　但這個分析程序相當漫長，因為在適合用于自動化衰老模型出現之前，MRI數據需要繁重的整理。這種前期處理包括刪除顱骨等非大腦組織的圖片，對白物質、灰物質以及其他組織進行分類，利用各種數據平滑技術刪除圖像偽影等。所有這些數據處理工作可能超過24小時，對于需要考慮病人大腦年齡以便做出臨床診斷的醫生來說，這是個巨大障礙。

　　如今，英國倫敦國王學院的喬凡尼·蒙塔納（Giovanni Montana）與其幾個同事發現，可以通過使用MRI掃描儀獲得的原始數據，訓練深度學習機器確定大腦年齡。深度學習技術只需要數秒鐘時間，就可以給出大腦年齡的精確數據，即使病人依然處于掃描狀態。

　　這種方法是標準的深度學習技術。蒙塔納及其同事利用MRI掃描儀為2000多名年齡在18歲到90歲之間的健康人進行掃描。目前還未發現任何神經系統可影響大腦年齡，為此大腦年齡應該與生理年齡相匹配。每次掃描都是通過最先進的標準MRI機器進行掃描，每次掃描都會給病人貼上實際年齡標簽。

　　蒙塔納團隊利用80%掃描圖像訓練卷積神經網絡，以確定某人的年齡。他們還用200多張圖像驗證這個過程。最終，蒙塔納等人用200張神經網絡從未看過的圖像對其進行測試，看其是否能夠識別出大腦年齡。與此同時，蒙塔納團隊獎深度學習方法與傳統確定大腦年齡的方法進行對比。這需要對圖像進行大量處理，通過名為高斯過程回歸（Gaussian process regression）的統計分析方法，確認大腦中的白物質、灰物質以及其他組織。

　　結果非常有意思，當被給予經過處理的數據進行分析時，深度學習方法和高斯過程回歸方法都可以精確確定病人的生理年齡，誤差率不到5年。可是在利用MRI原始數據進行分析時，深度學習方法展現出明顯的優勢，可以給出非常準確的回答，誤差率僅4。66年。與之相比，傳統的高斯過程回歸方法表現更為糟糕，只能給出大致答案，誤差率達到12年。

　　此外，深度學習分析只需要數秒鐘就可給出答案，而高斯過程回歸方法需要24小時。深度學習機器唯一需要處理的數據是確保圖像方向與圖像之間體素尺度一致。對于醫生來說，這種進步具有重要意義。蒙塔納說：“使用正確的軟件，當病人依然處于掃描狀態時，醫生就可以獲得大腦預測年齡數據。”

　　蒙塔納等人還對比了不同掃描儀獲得的圖像，顯示這種技術可被用于世界各地不同的機器上。他們還對比了雙胞胎的大腦年齡，以顯示大腦年齡與基因之間的聯系。有意思的是，隨著年齡增長，這種相關性會降低。這表明，環境因素隨著時間推移變得越來越重要。

　　這是令人印象深刻的結果，可能對醫生的診斷方式產生深遠影響。有相當多的證據顯示，糖尿病、精神分裂癥、腦創傷患者的病情與大腦老化速度更快有關。為此，能夠更快、更精確確認大腦年齡的方式，對醫生們將來治療這些疾病非常重要。蒙塔納說：“大腦預測年齡代表著精確、高度可靠、基因有效的顯形，可被潛在視為大腦老化的生物標志。”（小?。?/p>