SMC 資料庫

議題背景：

今（2022）年5月1日，國際期刊《年齡與衰老》（Age and Aging）發表了陽明交通大學神經科學研究所林慶波特聘教授的團隊所主持的研究，訓練人工智慧分析腦部核磁共振影像中，大腦白質可能有病變的斑塊或斑點，藉此建立出估算腦血管年齡的數學模型，可協助預測和腦血管老化有關的病變。台灣科技媒體中心特邀專家發表看法。

研究原文：

• Huang CC, Chou KH, Lee WJ, Yang AC, Tsai SJ, Chen LK, Chung CP, Lin CP. Brain white matter hyperintensities-predicted age reflects neurovascular health in middle-to-old aged subjects. Age Ageing. 2022 May 1;51(5):afac106. doi: 10.1093/ageing/afac106. PMID: 35536881.

專家怎麼說？

2022年06月19日
國立陽明交通大學生物醫學影像暨放射科學系副教授 盧家鋒

1. 這份研究的重要性為何？一般大眾該怎麼看待此研究的結果？

「未老先衰」是我們常用來形容，看似年輕但身體卻已經先出現衰退的現象。這樣的描述反映出了實足年齡（以出生日起算）與生理年齡（以身體健康狀態估算）的差異性。

這份研究報告以台灣在地超過一千兩百位受試者的資料，觀察腦部磁振影像中大腦神經纖維的區域，可能表示病變的斑點或斑塊（簡稱「白質高訊號」），可用於估算生理年齡。因僅倚賴腦部的特徵來推估生理年齡，這樣的估算值又可稱為「腦齡」。當觀察到腦齡遠高於實足年齡時，可能就是嚴重腦血管疾病發生的前兆。從健康促進與神經疾病預防的觀點著眼，建議受檢者檢視身體其他檢驗數值、生活習慣，並進一步透過醫師與相關專業人員的協助，確認健康狀態與尋求改善的方法。

2. 研究有哪些推論上的限制？

本篇研究報告有兩個重點結論：（1）可依據磁振影像上白質高訊號區域的體積來推估腦齡；（2）在中老年人族群中，大腦超齡（即腦齡高於實足年齡）的程度與十年心血管疾病的風險具有顯著正相關性。本研究提供以腦部磁振影像轉化為腦齡來直觀評估健康程度的依據，具有容易應用與推廣的可能性。

但有以下幾點推論限制仍有待後續研究來證實：（1）建立腦齡的常態分佈。究竟大腦超齡到何種程度，應視為高風險族群而需要進一步處置，本研究尚未定論；（2）大腦逆齡（即腦齡低於實足年齡）族群的意義未被仔細界定。本研究測試族群有多達62.2%被判定為大腦超齡族群、26.6%被判定為大腦逆齡族群。這樣的數據分佈是否能代表群體的健康程度有待進一步討論；（3）腦齡與未來腦中風、失智症發生的關聯性需要後續更為完整的長期追蹤來驗證。

3. 這份研究可如何幫助臨床上找出或治療老化導致的神經血管相關疾病，以及未來相關應用的發展？

本份研究以腦部磁振影像呈現之白質高訊號區域的體積多寡來推算腦齡。有鑑於白質高訊號區域的出現，與腦部小血管病變的發生、未來產生腦中風、失智症息息相關，大腦超齡反映著在任一實足年齡出現過量的白質高訊號，將有機會作為神經血管疾病的早期警示。本份研究所提出的腦齡，透過易於計算的轉換公式，將有助於神經內外科、放射線科醫師，做為健檢與疾病診療有價值的參考，藉以預防重大神經血管疾病發生。本份研究也指出男性、高血壓、糖尿病的族群會有較高機率被判定為大腦超齡，這些數據與未來實際應用，將能進一步推動台灣在地智慧醫療與預防醫學的發展。

2022年06月20日
國立陽明交通大學神經科學研究所副研究員 周坤賢 （為本研究共同作者之一）

1. 這份研究的重要性為何？我們該怎麼看待此研究的結果？

隨著年齡的增長，人類的大腦不論在結構或是功能上皆會產生顯著的變化，並進而影響到日常生活以及認知功能的表現。大腦體積的萎縮、神經纖維完整性的改變、白質病變範圍的擴大等，皆是大腦於人類老化歷程中之明顯證據。然而在看似平凡的老化過程中，其實人跟人之間存在著相當程度的個體差異，臨床上我們常會發現有些人的實足年齡（chronological age）雖然與其他人相仿，但認知功能上的表現則比起同年齡層來的更加突出，因此如何精準定義個體器官以及細胞老化程度將是一個相當重要的科學及社會議題。

近年來大腦成像技術、機器學習演算法以及腦影像資料庫的推波助瀾下，我們有能力透過不同面向之腦影像資訊，估算出一個人的大腦生理年齡（biological age），在此篇文章中作者跳脫過往以腦體積為基礎的大腦生理年齡計算方式，轉而利用與腦血管病變有關的白質病變數量為指標，以計算一人大腦的神經血管年齡（neurovascular age）。該團隊發現，大腦神經血管的生理年齡不僅與個體認知功能的表現有關，亦與心血管相關風險因子的表現密不可分。

2. 研究有哪些推論上的限制？

如同大多數機器學習以及人工智慧相關研究之限制，由於該研究建立之估算大腦血管生理年齡的模型，是基於共491位居住在台灣北部或東部之健康受試者，所以探討跨不同人種時會有偏誤。

用台灣本土的模型去推論國外的案例，在預測大腦血管生理年齡時，可能不見得會那麼準確。此外，影響大腦血管功能及型態上變化之相關因子，例如基因，於研究中並沒有控制，可能使推論產生限制。

3. 這份研究可如何幫助臨床上找出或治療老化導致的神經血管相關疾病，以及未來相關應用的發展？

未來我們可以透過受試者的腦部磁振影像，搭配此研究估算大腦中神經血管生理年齡的技術做為一個客觀的指標，將可以清楚的量化個體大腦中神經血管的老化程度，並後續追蹤以及介入臨床治療。

由於目前該研究皆是針對健康族群，未來相關技術應進一步使用於神經退化性疾病等臨床議題，特別是血管性失智症以及阿玆海默症，以了解腦血管在老化相關疾病中扮演的可能角色。

有任何採訪需求，歡迎與我們聯繫。

媒體聯繫人：程怡綾
Email: ychen010@smctw.org
Mobile: 886-988-702-701
Tel: +886-2-77095375 # 1010