Nat Med：利用深度表征学习方法探究大脑老化模式的异质性

文章预览

2024 年 8 月 15 日，宾夕法尼亚大学和南加州大学等多个单位的研究团队在 Nature Medicine 上发表论文 Brain aging patterns in a large and diverse cohort of 49,482 individuals。 研究利用一个 49,482 名参与者的大型多样化的队列，采用最先进的深度表征学习方法 Surreal-GAN，探讨了大脑老化模式的异质性。研究人员识别出五种主导的大脑萎缩模式，用 R 指数表示，并检查了它们与各种生物医学、生活方式和遗传因素的关联。 这些 R 指数被发现能预测疾病进展和死亡率，可作为诊断、预后和针对性干预的潜在早期标志。 该研究强调了理解大脑老龄化模式异质性的重要性，以阐明潜在的生物学和神经病理机制，并为患者管理和临床试验招募制定个性化方法。 图源： Nature Medicine 研究背景 人类大脑在老龄化过程中会发生显著的结构性变化，但这些变化在个体之间存在异质性 ………………………………