LONDON (IT BOLTWISE) – Forschende nutzen Künstliche Intelligenz, um statt einer einzigen „Brain Age“-Zahl hochauflösende 3D-Karten der regionalen Gehirnalterung aus MRI-Daten zu berechnen. Das Modell erkennt beschleunigte Alterungsprozesse schon bei Menschen mit milder kognitiver Beeinträchtigung und Alzheimer. Besonders betroffen sind Areale wie Hippocampus, Amygdala und Regionen des frontotemporalen Netzwerks. Die lokalen Muster spiegeln messbar schlechtere Ergebnisse in kognitiven Tests wider.
Statt einer einzigen Kennzahl verändert ein neues KI-Verfahren die Art, wie „Brain Age“ in der Bildgebung verstanden und genutzt werden kann. In der Studie wurde ein tiefes neuronales Netz auf T1-gewichtete MRI-Aufnahmen von 14.748 kognitiv gesunden Erwachsenen trainiert, mit einem Altersspektrum von 19 bis 100 Jahren. Der entscheidende Schritt: Das System schätzt nicht nur „das“ Gehirnalter einer Person, sondern erstellt eine anatomisch feine Karte, in der pro Voxel sichtbar wird, wie stark einzelne Regionen im Vergleich zum altersgleichen Normalmuster altern. Damit wird aus einer globalen Zusammenfassung eine räumliche Diagnosehypothese, die genau dort ansetzt, wo neurodegenerative Prozesse typischerweise beginnen.
Technisch basiert die Architektur auf einer voxelbasierten Schätzung der lokalen Brain Age (LBA). Voxel sind die 3D-Bildelemente eines MRI-Volumens; jede Zelle im Volumen liefert so eine lokale Alterungsbewertung. Im Ergebnis entsteht eine Art hochauflösendes „Heatmap“-Äquivalent über das komplette Hirnvolumen, das Abweichungen von der chronologischen Norm nicht nur als Gesamttrend, sondern regional und mit vergleichsweise hoher Ortsauflösung ausweist. Interessant ist dabei auch die sogenannte Baseline-Asymmetrie, die das Modell in gesunden Probanden konsistent reproduzierte: Frontale und temporale Areale wirkten biologisch älter als parietale und okzipitale Regionen, während die rechte Hemisphäre eine leicht fortgeschrittenere strukturelle Alterung zeigte als die linke – und zwar unabhängig davon, ob Teilnehmende Rechtshänder oder Linkshänder waren.
Der Mehrwert zeigt sich jedoch besonders beim Übergang vom „normalen Altern“ zur frühen Pathologie. Für die Tests wurden weitere MRI-Datensätze aus der Alzheimer’s Disease Neuroimaging Initiative mit mehr als 1.900 Teilnehmenden herangezogen, darunter kognitiv Gesunde, Personen mit milder kognitiver Beeinträchtigung (MCI) und Betroffene mit Alzheimer. In der Studie trat dabei ein klarer Musterverlauf auf: Mit zunehmender kognitiver Beeinträchtigung verstärkten sich die lokalen Abweichungen. Während sich bei gesunden Menschen die regionale Differenzierung vor allem zwischen Front/Temp versus Parietal/Okzipital zeigte, traten bei MCI und Alzheimer deutlich ältere lokale Brain Ages in Strukturen auf, die zu den ersten mit Alzheimer-assoziierten Veränderungen in Verbindung gebracht werden, darunter Hippocampus und Amygdala sowie tief liegende Gedächtnis- und Verarbeitungsregionen.
Die Studie liefert außerdem eine struktur-zu-Funktion-Verknüpfung, die für klinische Translation entscheidend ist. Lokale beschleunigte Brain Age korrelierte mit schlechteren Ergebnissen in standardisierten kognitiven Tests. Besonders eng fiel die Kopplung im fortgeschritteneren Alzheimer-Setting aus, was in der Logik des Designs plausibel ist: Wenn strukturelle Degeneration stärker und weiter fortgeschritten ist, sollte auch die Leistungsfähigkeit in testbasierten kognitiven Domänen stärker abweichen. Für die Praxis bedeutet das weniger „eine weitere Biomarker-Zahl“, sondern ein Instrument, um zu sehen, welche Gehirnareale funktionell relevanter degenerieren und wie sich das zeitlich mit dem Krankheitsstadium überlappt.
Auch historisch ordnet sich die Arbeit in eine breitere Entwicklung ein: „Brain Age“ hat sich in den letzten Jahren als neuroimaging-basiertes Biomarker-Konzept etabliert, weil es Muster der Bildgebung in eine gut interpretierbare Altersmetrik überführt. Frühere Ansätze komprimierten allerdings häufig das gesamte Gehirn zu einer einzigen Schätzung; diese Aggregation kann regionale Vulnerabilitäten verwischen, gerade dann, wenn ein Krankheitsprozess räumlich selektiv startet und sich später erst global bemerkbar macht. Die USC-Ansatzlinie setzt genau hier an, indem sie globale Verläufe nicht ersetzt, sondern ergänzt: Statt eine Person „einfach älter“ zu machen, zeigt das Modell, wo im Gehirn der Alterungsprozess über den chronologischen Normbereich hinausgeht. Dadurch wird auch nachvollziehbarer, warum sich kognitive Defizite zwischen Individuen unterscheiden können, obwohl ähnliche globale Kennwerte vorliegen.
Für den nächsten Schritt ist nicht nur die Genauigkeit, sondern auch die Validierbarkeit in realen klinischen Abläufen relevant. Die Forschenden betonen, dass das Verfahren derzeit ein Forschungswerkzeug bleibt, weil es überwiegend auf MRI-Daten trainiert wurde, die typischerweise forschungsseitig standardisiert und qualitativ hochwertig sind. Außerdem nutzen die vorliegenden Auswertungen zu großen Teilen Querschnittsdaten; für Prognosen, also die Frage, ob lokale Brain Age verlässlich bestimmt, wer von gesunder Alterung zu MCI oder Alzheimer fortschreitet, braucht es longitudinal angelegte Studien mit wiederholten Messungen. Genau diese Langzeitdaten wären auch die Basis, um den Nutzen in klinischen Studien zu testen, etwa wenn man regionale Effekte experimenteller Therapien objektiv verfolgen will – nicht nur den Gesamtzustand.
In der Einordnung ist die Publikation klar: Das Paper „Deep learning maps local brain aging in relation to cognition across human adulthood“ erschien in Proceedings of the National Academy of Sciences und ist Open Access; als DOI ist 10.1073/pnas.2532233123 angegeben. Für Entwickler und Betreiber von KI-gestützten Bildgebungsplattformen bedeutet das vor allem, dass die Pipeline-Logik von der reinen Modellausgabe hin zu einer kontrollierbaren Biomarker-Visualisierung erweitert werden muss: Segmentierung, Qualitätschecks, Rechenzeit pro Volumen und die Konsistenz über Zentren hinweg werden zu den praktischen Engpässen. Wenn diese Punkte adressiert sind, könnte die LBA-Kartierung ein Fundament für regionalisierte Risikoabschätzungen und für Therapie-Response-Metriken liefern – mit dem Vorteil, dass die KI nicht nur „wer“, sondern vor allem „wo im Gehirn“ priorisiert.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI erstellt 3D-Karten der regionalen „Brain Age“ und zeigt Alzheimer-Risiko" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI erstellt 3D-Karten der regionalen „Brain Age“ und zeigt Alzheimer-Risiko" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI erstellt 3D-Karten der regionalen „Brain Age“ und zeigt Alzheimer-Risiko« bei Google Deutschland suchen, bei Bing oder Google News!