“延缓大脑老化”听起来就像是个不切实际的广告噱头，但实际上，这种幻想在科学的支持下却有可能成为现实。“大脑年龄”并不能反映出人的实际年龄的平均功能状态，更多是与相对于大脑实际年龄的衰老程度有关。我们都知道，尽管有些人看起来年龄已经很大，但他们的思维依然敏捷，且行动依然灵活。

当你以为在飞机上和你聊天的那个女人只有40多岁，但她的大脑年龄已经是70多岁时，你会感到难以置信。正如“大脑年龄”名字所指的那样，这个概念希望能够捕捉到认知分离背后的生物复杂性。

这不仅仅是纯粹的学术乐趣。长寿研究人员越来越想认为，你活了多长时间并不是预测整体健康的最佳指标。精确而简单地测量某个人真实的生物大脑年龄，可能成为更有效的警示方案。毕竟，如果你知道自己的大脑老化得比预期的更快，就可以及早干预这个过程。

发表在《自然神经科学》（Nature Neuroscience）杂志上的一项研究，将三个完全不同的领域融入到单一的算法中，这些领域包括神经科学、长寿和机器学习，该算法可以纯粹基于MRI（核磁共振）扫描来预测某人的大脑年龄。

这项研究使用了年龄跨度超过80多岁的近5万人的数据，首次梳理了常见的大脑疾病如何影响大脑老化，如抑郁症和自闭症。更重要的是，该团队深入挖掘了来自英国生物银行的人类基因组数据，精确定位了一组与神经疾病相关的基因，特别是加速大脑老化的基因。

挪威奥斯陆大学的研究作者托拜厄斯·考夫曼（Tobias Kaufmann）说：“我们揭示了与健康个体大脑老化明显有关的基因，它们与我们常见的大脑疾病有关的基因重叠。”

这种“大脑年龄差距”指标的直接使用，可以作为大脑衰老的生物标志物，它可以帮助医生对他们的老年患者做出更明智的诊断。

但密苏里州圣路易斯华盛顿大学医学院的珍妮·拜思特博斯博士（Janine Bijsterbosch）说，除了这项研究的发现外，它最重要的贡献可能是确认了跨学科方法的有效性，这种方法“只有通过研究大量人群的脑部扫描才有可能”涵盖扫描仪、地点和设置。

想要进行转换？来自单个实验室的数据不再足以寻找微小的、复杂的但强大的大脑老化标志，或其他神经学测量和健康见解。为了更好地揭示我们大脑的奥秘，跨越种族和社会经济鸿沟，我们需要认识并在研究中利用这样的策略，即“人多力量大”。

大脑年龄与健康寿命

2015年末，《自然医学》(Nature Medicine)杂志上的一系列专家评论，巩固了长寿研究的一种新兴趋势。与其试图延长寿命相比，目前的重点应该更多地放在延长健康寿命上，即人可以在没有疾病的情况下存活多久，或者将常见年龄相关疾病的发生推迟多长时间。

这立刻带来了一个问题：如何衡量某个人的“真实”生物学年龄？这是个尚未解决的难题。但是对于大脑来说，有个标志正发挥主导作用，即大脑年龄差距，或指某人实际年龄和大脑年龄之间的差异。这个指标可以表明，某人的大脑比正常情况下衰老得更快或更慢。

控制大脑在整个生命周期中成熟和变化速度的“分子管弦乐队”在大脑结构中扮演着重要的角色，但它可以使用MRI来测量。同样，决定神经回路物理连接的“生物舞蹈”也是自闭症、精神分裂症、双相情感障碍或抑郁症等脑部疾病的基础。

这导致研究团队提出这样的问题：有没有方法可以使用MRI扫描来测量某人的大脑年龄差距？不同的精神障碍会发生什么变化？我们能否将大脑年龄与特定的基因联系起来，揭示那些加速和延缓大脑衰老的基因？

规模庞大的研究

考夫曼和他的同事不是第一个尝试解决这个问题的人，但他们肯定是最雄心勃勃的。他们解释说，以前的研究都是“小打小闹”，因为他们只关注有限的年龄范围，通常关注某种单一的精神障碍，抑或是最多几百人的规模。这些研究不能提供整个生命周期内大脑结构变化的整体动态图像。

由于没有任何实验室能够提供他们需要的数据，为此该团队决定从几个地方收集MRI扫描数据，这些数据由不同的MRI扫描仪在不同的设置下获得。过去，这简直是疯狂之举，因为这些变化使得苹果与苹果之间的图像比较变得极其困难。

使用烹饪作为类比，这就像试图辨认出同一道菜的数十万个手写菜谱，而每个菜谱都使用一系列单位和缩写以个人格式书写而成，并试图破译某个平均的“基线”食谱，以充分地判断所有其他菜谱的准确性和价值。

研究团队依靠一系列先进的数据方法，将45615人的数据转化为标准化集合，这是一项耗费大量精力、时间和反复试验的任务。作为一种健全性检查，他们随后将这些信息包括在他们的机器学习算法中，以便再次检查潜在的标准化错误。接下来，使用超过35000名3至89岁的健康人的数据，他们训练人工智能来预测正常的大脑老化轨迹。然后用另外4353名健康人的数据验证了该算法。最后，研究小组比较了近5800名患有各种脑部疾病的人的脑部扫描，将每个人的脑部年龄与大体轨迹相匹配。

研究人员有了几个发现。大脑年龄差距最大的是严重的精神障碍，包括精神分裂症、多发性硬化症和痴呆症。相比之下，发育性脑疾病，如自闭症和注意缺陷多动障碍（ADHD），似乎并没有特别影响大脑年龄。

抛开大脑的全面变化不谈，研究小组还发现，导致大脑年龄差距的脑部区域就是那些已经牵涉到这种特定精神障碍的区域。例如，在阿尔茨海默病中，大脑皮层下区域的结构慢慢枯萎，它们也是触发由算法测量的大脑年龄差距的区域。

研究人员称，这是个重要的验证。它表明，人工智能可以将来自大量大脑图像的信息浓缩成可解释的评分，而不会完全丢失有关单个大脑区域的信息。换句话说，有些疾病可能会导致一个大脑区域比其他区域更快地老化。人工智能可以破译这些差异并指导潜在的治疗。

遗传联系

聚合数据集的另一个好处在于，它包含了与脑部扫描相关的遗传信息。加速的大脑老化可能是遗传不良基因的结果，而有害的环境或生活方式的选择会加剧这种情况。研究人员说，分析基因是开始探索影响大脑老化轨迹变化因素的一种方式。

也许并不令人惊讶的是，一项分析表明，大脑的年龄差距至少部分是可遗传的。研究小组还发现了某些基因，这些基因似乎对大脑年龄差距和大脑紊乱都有影响。也就是说，每个基因因人而异，也都有各自不同的影响。

研究人员称：“与健康人脑年龄差距相关的遗传变异与在自闭症中观察到的注意缺陷多动障碍（ADHD）部分重叠。这些结果表明，大脑年龄差距和大脑疾病之间存在共同的分子遗传机制。”

个体大脑年龄

人工智能是帮助确定个体大脑年龄的第一步。拜思特博斯博士说，从平均结果到单独的扫描是困难的，因为MRI扫描相对来说比较嘈杂，人与人之间的变异性很大。还需要更多的研究，但鉴于其规模庞大，这项研究为此打下了坚实的基础。

最终，研究人员希望基于某个人的基因，在高危脑部疾病发作之前，预测他们的大脑年龄差距，并跟踪疾病的进展情况，以帮助调整他们的治疗方案。

拜思特博斯博士说：“我们距离以这种方式利用大脑年龄差距还有很长的路要走。”但随着多项大规模生物标记物研究的进行，这个神经科学与人工智能交叉的典范仅仅是一个开始。