基于神经影像的高龄老人脑结构变化与脑功能代偿研究及其在痴呆早期诊断中的应用

The oldest old (over the age of 85 years) is the fastest growing sector of the population. Over 50 percent of these individuals are affected by dementia. In the previous study, we found the turning points of non-linear trajectories of the changes in the brain structures occurred around the age between 75 and 80, indicating an accelerated atrophy of brain cortex starting in the age of late 70s. But the tendency of the accelerated atrophy and the patterns of the functional compensation in the oldest old are still unclear. This project is going to investigate the variation in the longitudinal trajectories of cortex in the oldest old by measuring a series of biomarkers (e.g. cortical thickness, and cortical gray matter, white matter and subcortical volumes, global sulcal indies, sulcal width and depth, fractal dimensionality etc.). This project will also identify the patterns of functional compensation using functional connectivity and complex network analysis. In addition, we will use the multi-view learning and the multi-task learning strategies to improve the accuracy of the early detection of dementia. The project could be of substantial benefit in understanding the pathomechanisms of dementia as well as the patterns of functional compensation in the oldest old, and helping in the early detection of dementia.

85岁以上高龄老年人已成为全球人数增长最快的群体。其中50%以上受到痴呆症困扰，因其丧失自主能力，给个人和社会带来沉重的负担。在前期的研究中，我们发现在75到80岁之间的老年人的脑结构会出现加速萎缩的拐点，但这种加速萎缩是否将会持续，其与痴呆疾病造成的脑结构萎缩是否具有关联，以及高龄人群脑功能的代偿机理目前仍不清楚。本项目拟基于纵向型的核磁共振影像，运用曲面以及体素的形态学方法，计算脑结构系列指标（包括灰质、白质体积、皮层厚度、沟回复杂度、沟回宽度和深度、分型维等），构建脑结构特征变化模型，分析痴呆症的脑结构变化模式；运用功能连接强度以及复杂网络方法，分析高龄脑功能代偿模式以及脑网络属性的特点；并研发基于多视角、多任务学习的分类与预测框架，以提高痴呆早期识别的准确率。本项目可以在一定程度上提供新的科学依据，帮助理解高龄群体的脑结构变化与功能代偿模式，并为痴呆症的早期诊断提供新的辅助方法。

85岁以上高龄老年人已成为全球人数增长最快的群体，其中50%以上受到痴呆症困扰，因其丧失自主能力，给个人和社会带来沉重的负担。在前期的研究中，针对高龄老年人的脑结构变化特征，以及脑功能的代偿机制等重要问题仍不清楚。为了回答上述难题，本项目重点针对高龄老年人群，基于纵向型、多中心、大样本的核磁共振成像（MRI）数据，构建了高龄老年人脑组织的衰老模式，揭示了大脑老化的脑结构变化特征；利用复杂网络分析方法探索大脑衰老的脑功能异常，深入理解老化过程中的代偿机制；并构建新型的大脑特征与改进机器学习模型，对高龄老人与阿尔兹海默症（AD）患者进行分类与预测。代表性结果如下：1）在脑结构影像探索方面，发现随着年龄增长，多条脑沟显着变宽，而高龄老年人的脑沟增宽速度明显放缓的特点，还发现了多个脑区的结构复杂性明显下降，全脑的白质连通性降低，并发现这些大脑形态的改变介导了老年人的认知功能下降；2）在脑功能影像探索方面，发现高龄老年人的大脑存在明显的功能代偿现象，且功能代偿的增强和多种认知功能的下降有关，尤其是左楔前叶在大脑老化与认知下降中发挥着重要的代偿作用；3）在运用机器学习的模型构建和工具研发方面，提出了一种创新的AD分类模型，其分类曲线下面积（AUC）达0.936；并构建了一套大脑年龄评估算法，基于该方法的AD/健康对照（HC）和轻度认知障碍（MCI）/HC分类准确度指标AUC分别达到了0.904和0.823；针对高龄老人普遍存在的标志性影像学表征“脑白质高信号”，开发了一套脑影像特征的自动分割工具。综上，本项目在一定程度上提供了新的科学依据，以进一步理解高龄老年人大脑组织的结构、功能变化模式及其背后的脑功能代偿机制；且本研究提出的新型指标提取、分类预测、影像特征分割等工具将有望为高龄老人、MCI和AD等的早期筛查提供新的辅助支撑。