德黑兰（ANA）——科学家们揭示，大脑的“表观年龄”可能会影响健康风险因素（如高血压）对思维和记忆的影响，尤其是在有脑血管疾病迹象的人群中。
利用机器学习和脑部扫描，研究人员发现，加速的大脑衰老会增加认知风险因素对记忆和思维的影响，特别是在患有脑血管疾病的人群中。一个人预测的大脑年龄与其实际年龄之间的差异被称为“脑龄差距”，它可能影响诸如高血压和糖尿病等认知障碍风险因素与思维和记忆能力之间的关系。这项研究发表在《神经学》杂志上，这是美国神经病学学会的医学期刊。
近年来，神经影像技术的进步使得利用经过脑部扫描训练的机器学习工具识别大脑老化的变化并估计其生物学年龄成为可能。
新加坡国立大学的研究作者Saima Hilal博士表示：“随着年龄增长，我们的大脑会发生变化，包括脑容量减少以及支持脑组织的血管数量减少，而疾病可能加剧这些变化，从而深刻影响脑健康。”她补充道，“这些大脑衰老的迹象可以通过脑部扫描观察到，显示出一个人的大脑是否比其实际年龄看起来更老。我们的研究发现，拥有更多认知障碍风险因素与较差的认知表现相关，而脑龄差距在这种联系中起到了关键作用。这种效应在患有脑血管疾病的人群中尤为明显。”
该研究包括1437名未患痴呆症的参与者，平均年龄为66岁，其中60%没有认知障碍的迹象。
研究人员通过问卷调查、访谈和药物审查收集了参与者的病史。每位参与者还接受了体检、实验室测试和脑部扫描。
为了评估认知障碍的风险，研究人员根据多种因素为每位参与者打分，包括年龄、种族、教育水平、过去和当前的吸烟习惯、身体质量指数、抑郁症状、高血压、糖尿病、高胆固醇和中风史。分数越高，表示认知障碍的风险越大。
为了评估思维和记忆能力（也称为认知表现），参与者完成了多项测试，测量执行功能、注意力、语言能力、记忆力、视觉构建（即复制绘图或构建模型的能力）以及视动速度（指一个人处理视觉信息并以动作回应的速度）。
研究人员发现，较高的认知障碍风险因素得分始终与较差的认知表现相关，尤其是在视觉构建和视动速度方面。
利用机器学习，研究人员开发了一个脑年龄预测模型，通过分析参与者的脑部扫描来确定每位参与者的预测生物学脑年龄。然后，他们用预测脑年龄减去实际年龄，计算出脑龄差距。正值的脑龄差距意味着加速的大脑衰老。
研究人员还利用脑部扫描寻找脑血管疾病的标志物，例如微出血和梗死（因血液供应不足导致的死亡组织区域）。他们比较了具有高量和低量标志物的人群。
研究人员发现，在具有高量脑血管疾病标志物的人群中，脑龄差距影响了认知障碍风险因素对思维和记忆能力的影响，尤其是在执行功能和语言领域。
他们发现，脑龄差距对认知障碍风险因素与思维记忆技能之间关系的影响比例总体为20%，执行功能为34%，语言为27%。
Hilal表示：“脑龄差距可能是一个有用的生物标志物，用于确定一个人认知衰退的风险。我们的研究结果表明，加速的大脑衰老可能是将认知障碍风险因素与成年人（尤其是患有脑血管疾病者）的思维和记忆能力联系起来的重要因素。”
该研究的一个局限性在于，它仅针对东南亚人群，因此结果可能不适用于其他人群。此外，由于并非所有参与者都有数据，研究人员无法检查运动、饮食和阿尔茨海默病遗传标记对大脑结构和认知的影响。
(全文结束)
