أبحاث تظهر أن أداة بالذكاء الاصطناعي يمكنها تقييم تسارع شيخوخة الدماغ

بات بإمكان خوارزميات الذكاء الاصطناعي الآن تقييم ما إذا كان دماغ الفرد يمر بشيخوخة بيولوجية متسارعة مقارنة بعمره الزمني، وفقاً لما أوردته ScienceDaily. وتستخدم هذه الطفرة التكنولوجية نقاط بيانات معقدة، بما في ذلك الحالات الطبية الأساسية، وعوامل الخطر الجينية، والمؤشرات الفسيولوجية مثل أنماط النوم، لتحديد ما إذا كان التدهور الهيكلي والوظيفي للدماغ يحدث بمعدل أسرع من الطبيعي. ويوضح الباحثون المشاركون في الدراسة أن تحديد الفجوة بين العمر الزمني والعمر التقديري للدماغ يمكن أن يزود الأطباء بأداة غير جراحية لتحديد مخاطر التنكس العصبي قبل فترة طويلة من ظهور الأعراض السريرية. وبدعم من هيئات بحثية تشمل National Health and Medical Research Council في أستراليا وAmerican Academy of Sleep Medicine، تسلط هذه النتائج الضوء على الدور المتنامي لتعلم الآلة في علم الأعصاب الوقائي والطب الشخصي.

## قياس عمر الدماغ كمياً عبر الذكاء الاصطناعي يعتمد تطبيق تعلم الآلة على علم البيولوجيا العصبية على خوارزميات حاسوبية مدربة على مجموعات بيانات واسعة من التصوير العصبي، والمؤشرات البيولوجية، والتاريخ السريري للمرضى. وكما أفادت ScienceDaily، تتعلم نماذج الذكاء الاصطناعي هذه التعرف على الأنماط الهيكلية والمعالم الوظيفية المعقدة النموذجية لشيخوخة الدماغ السليمة عبر عقود الحياة المختلفة. وعند تزويد النظام ببيانات مريض جديد، يحسب النظام عمراً بيولوجياً تقديرياً للدماغ ويقارنه مباشرة بالعمر التقويمي الفعلي للفرد.

ويشير الانحراف الإيجابي، الذي يتجاوز فيه عمر الدماغ التقديري العمر الزمني، إلى شيخوخة متسارعة للدماغ. وتبرع بنيات تعلم الآلة في تحديد التغيرات الدقيقة في كثافة الأنسجة، وسُمك القشرة المخية، والتغيرات في الحجم، وسلامة المادة البيضاء التي قد تفوت الفحص البصري التقليدي من قبل المراقبين البشر. ومن خلال الدمج بين الآلاف من معايير البيانات المستقلة في وقت واحد، يمكن لنماذج الذكاء الاصطناعي إنشاء خط أساس شامل للصحة العصبية، مما يوفر مقياساً كمياً يُعرف باسم الفجوة العمرية للدماغ.

## عوامل الخطر الجينية والحالات الطبية السابقة يتمثل أحد الأبعاد الرئيسية للقدرة التشخيصية التي سلط تقرير ScienceDaily الضوء عليها في دمج الملامح الجينية والحالات الطبية السابقة ضمن الإطار التنبؤي. وتلعب الاستعدادات الجينية دوراً كبيراً في تحديد مدى عرضة الفرد للتدهور المعرفي والتغيرات الهيكلية في الدماغ بمرور الوقت. ومن خلال دمج درجات المخاطر الجينية إلى جانب المقاييس التصويرية والسريرية، يحقق نظام الذكاء الاصطناعي دقة تشخيصية أعلى.

كما تؤثر الحالات الصحية الجهازية تأثيراً ملحوظاً على صحة الأوعية الدموية الدماغية والحفاظ على الخلايا العصبية. ولطالما ارتبطت المشكلات الطبية المزمنة مثل أمراض القلب والأوعية الدموية، وارتفاع ضغط الدم، والاضطرابات الأيضية، والالتهابات الجهازية بزيادة خطر الإصابة بالضعف المعرفي. ويقيم نموذج الذكاء الاصطناعي كيف تفاقم هذه الحالات الطبية المتزامنة الإجهاد الهيكلي على أنسجة الدماغ لفترات طويلة. وبدلاً من فحص المقاييس العصبية بمعزل عن غيرها، يضع الإطار الحاسوبي صحة الدماغ في سياق الملف الفسيولوجي الأوسع للمريض، مما يوضح كيف ترتبط صحة الأعضاء المتعددة مباشرة بمعدلات الشيخوخة البيولوجية في الجهاز العصبي المركزي.

## دور النوم ومؤشرات نمط الحياة كما تؤكد الأبحاث التي فصّلتها ScienceDaily على الصلة الحيوية بين جودة النوم، والتنظيم الإيقاعي لليوم، ومسارات عمر الدماغ. وقد قُدم الدعم للأبحاث جزئياً من قبل American Academy of Sleep Medicine، مما يعكس الاعتراف السريري المتزايد بأن اضطرابات النوم تعمل كعلامات إنذار مبكر ومحركات نشطة لشيخوخة الدماغ المتسارعة.

وأثناء النوم العميق، يشارك الجهاز العصبي المركزي في عمليات صيانة أيضية حيوية، بما في ذلك تنظيف نواتج الفضلات الخلوية عبر الجهاز الجليمفاوي. وتؤدي الحرمان المزمن من النوم، وانقطاع التنفس أثناء النوم، وتجزؤ بنية النوم إلى تعطيل هذه العمليات التجديدية، مما يساهم في الالتهاب العصبي والإجهاد في الأوعية الدموية الدقيقة. ومن خلال إدراج مقاييس النوم الموضوعية والذاتية في نماذج تعلم الآلة، تمكن الباحثون من ملاحظة ارتباطات واضحة بين اضطرابات النوم المزمنة ومقاييس شيخوخة الدماغ المتقدمة. وتشير النتائج إلى أن مراقبة صحة النوم قد توفر أهدافاً مبكرة قابلة للتطبيق للتدخلات الرمية إلى إبطاء التدهور البيولوجي للدماغ.

## التطبيقات السريرية والكشف المبكر يتمثل الهدف العلمي لتطوير نماذج عمر الدماغ القائمة على الذكاء الاصطناعي في نقل هذه التقنيات الحاسوبية من البحث العلمي الأساسي إلى الممارسة السريرية اليومية. ووفقاً لما أوردته ScienceDaily، يظل الكشف المبكر العقبة الأكثر حساسية في إدارة الاضطرابات العصبية الترقيّة، بما في ذلك الضعف المعرفي الخفيف، ومرض ألبهايمر، والخرف الوعائي.

في البيئات السريرية الحالية، غالباً ما تُشخص الأمراض التنكسية العصبية فقط بعد حدوث فقدان كبير وغير قابل للإصلاح في الأنسجة والضعف المعرفي بالفعل. ومن خلال تقييم الفجوات العمرية للدماغ لدى المرضى الذين لا تظهر عليهم أعراض أو الذين يعانون من أعراض خفيفة، يمكن لمقدمي الرعاية الصحية تحديد الأفراد المعرضين للخطر قبل سنوات من ظهور العجز المعرفي الواضح. وقد تتيح هذه القدرة التنبؤية إمكانية إجراء التدخلات العلاجية المبكرة، وتعديلات نمط الحياة، والإدارة المستهدفة لعوامل الخطر الوعائية والأيضية الأساسية، مما قد يؤدي إلى تأخير ظهور التدهور المعرفي الشديد أو التخفيف من حدته.

## تمويل الأبحاث والمسار المستقبلي قُدم الدعم للأبحاث التي تستند إليها هذه التطورات من قبل منظمات صحية رئيسية، بما في ذلك Australian National Health and Medical Research Council تحت المنحة GTN2009264 وAmerican Academy of Sleep Medicine. وتعكس هذه الاستثمارات المؤسسية إجماعاً بحثياً دولياً حول إمكانات علم الأعصاب الحاسوبي في تحويل استراتيجيات الصحة العامة للسكان الآخذين في كبر السن.

وقبل أن تُمَكَّن نماذج الذكاء الاصطناعي هذه من النشر على نطاق واسع في البيئات السريرية، يجب على الباحثين الاستمرار في التحقق من أدائها عبر مجموعات سكانية عالمية متنوعة، وأجهزة تصوير مختلفة، ومجموعات سريرية متميزة. ومن المتوقع أن تركز المراحل المستقبلية من البحث على التتبع الطولي، وملاحظة كيفية تغير تقديرات عمر الدماغ بمرور الوقت استجابة لعلاجات طبية محددة، وتغيرات غذائية، وتدخلات علاجية للنوم. وإذا تم التحقق من صحتها في التجارب السريرية المستقبلية، فقد يصبح تقييم الذكاء الاصطناعي لعمر الدماغ معياراً قياسياً في الرعاية الصحية الوقائية الروتينية.

يتضمن هذا المقال معلومات أوردتها ScienceDaily في الأصل.