Az időskori demencia előrejelzését könnyíthetik meg magyar kutatók.

A Magyar Tudományos Akadémia (MTA) Természettudományi Kutatóközpontjának (TTK) munkatársai a kóros agyi öregedés mesterséges intelligenciával történő hatékonyabb előrejelzésében értek el fontos előrelépést. A Nemzeti Agykutatási Program által támogatott vizsgálat eredményeiről a GigaScience című tudományos folyóiratban számoltak be a TTK Agyi Képalkotó Központ kutatói.

Az Agyi Képalkotó Központ munkatársai kutatásuk során azt vizsgálták, hány éves az ember agya valójában.  

Agyunk az életünk során folyamatosan változik, fiatalkorunkban az agy hálózatainak szerkezete és működése egyre összehangoltabbá és kifinomultabbá válik, ahogy pedig öregedni kezdünk, ellenkező irányú folyamatok játszódnak le benne. A változások nemcsak az agy fizikai szerkezetében tapasztalhatók, hanem az egyes agyterületek működése közti összehangoltság mértékében is, amely az agyterületek között mérhető funkcionális kapcsolatok erősségének megváltozásával jól jellemezhető.

A kutatás szerint e kapcsolatokat funkcionális mágneses rezonanciás képalkotással (fMRI) jól vizsgálhatóak, és az eredmények megmutathatják, hogy a vizsgált agy kapcsolati mintázatának jellemzői mennyire felelnek meg a vizsgált személy valós életkorának. Ha az eltérés jelentős, az a kutatások szerint jól előre jelzi a kóros agyi öregedési folyamatokat, köztük a demenciát is. Fontos, hogy az efféle folyamatokra idejében fény derüljön, mivel a korai gyógyszeres beavatkozások és életmódváltás sokkal hatásosabb, mint a súlyosabb tünetek megjelenése utáni tűzoltás.

A kutatás szerint az agyterületek működése közti kapcsolatok meglehetősen bonyolult hálózatot alkotnak, így egyáltalán nem nyilvánvaló, hogy milyen tulajdonságaik vannak kapcsolatban az életkorral. Ennek elemzésére mesterséges intelligenciát vetettek be a kutatók.

Vidnyánszky Zoltán kutatócsoportja a mélytanulásos rendszerek működési elvét használta fel a vizsgálatok során. Az ilyen elven működő tanuló rendszerek ugyanis több egymásra épülő absztrakciós szinten dolgozzák fel a bemenet információit. Míg a legelső szinteken még sokat számítanak a bemenő adatok konkrét részletei, a felsőbb szinteken egyre elvontabb összefüggések jelennek meg a tanulás során. 

A kutatócsoportnak az eljárás segítségével 5 évvel sikerült javítani a funkcionális konnektivitáson alapuló agyéletkorbecslés átlagos pontosságát. 

Ezt úgy sikerült elérnünk, hogy felhasználtuk a korábban, más adatbázison elsajátított tudást a becsléshez használt mesterséges neurális hálózat tanítása során. Ezt a korábban tanult kapcsolati súlyok átvételével és finomhangolásával végeztük a hálózat megfelelő rétegeiben. Kutatási eredményeink megoldást szolgáltattak a különböző MRI-berendezéssel, mérési paraméterekkel és eltérő szempontok szerint beválogatott embercsoportokon gyűjtött adatbázisok közötti tudástranszferre – mondta Vidnyánszky Zoltán.

A módszer fontos előrelépést jelent a kóros agyi öregedés mesterséges intelligenciával történő hatékonyabb előrejelzésében. Emellett segítséget nyújthat olyan, idegrendszeri képalkotáson alapuló speciális diagnosztikai feladatok megoldásában, ahol kevés adat áll rendelkezésre a mesterséges intelligenciák tanításához.

A kutatócsoport, amelynek munkájában kiemelkedő szerepet játszott két fiatal kutató, Meszlényi Regina és Vakli Pál, jövőbeli kutatásainak célja, hogy módszertani fejlesztéseik eredményeire építve kidolgozzanak egy multimodális, strukturális és funkcionális MRI-képalkotáson alapuló mesterséges intelligenciával támogatott eljárást a kóros agyi öregedés korai kiszűrésére és típusainak osztályozására.