从结构性大脑MRI中基于深度学习的BMI推断反映了生活方式干预后的大脑变化
Ofek Finkelstein1, Gidon Levakov1, Alon Kaplan2,3
1Department of Cognitive and Brain Sciences, Ben-Gurion University of the Negev, Beer Sheva, Israel.
Human brain mapping
|February 20, 2024
概括
人工智能 (AI) 在一项肥胖研究中确定了与减肥相关的脑部变化. 预测的体重指数 (BMI) 降低与实际体重减轻相关,突出了AI.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 肥胖会对大脑结构和功能产生负面影响.
- 生活方式干预旨在缓解与肥胖相关的健康问题.
- 了解减肥期间大脑形态变化至关重要.
研究的目的:
- 为了调查AI是否可以检测与超重个体的生活方式干预有关的大脑形态差异.
- 探索人工智能驱动的神经生物标志物对肥胖和减肥的潜力.
- 分析与代谢综合征干预相关的大脑变化.
主要方法:
- 利用了DIRECT-PLUS临床试验中的结构大脑MRI组合学习框架.
- 在18个月的生活方式干预之前和之后,从脑部MRI中预测的体重指数 (BMI) 得分.
- 采用可解释的AI (XAI) 来识别有助于BMI预测的大脑区域.
主要成果:
- 患者特定的BMI预测与实际体重减轻有显著的相关性.
- 预测BMI的降低在活跃饮食组与对照组相比更明显.
- 可解释的AI地图揭示了与年龄预测相比,BMI预测的不同大脑区域.
结论:
- 预测的BMI及其减少作为与肥胖相关的大脑修改的独特神经生物标志物.
- 人工智能对大脑形态的分析可以反映生活方式干预的临床结果.
- 这种方法为减肥和肥胖的神经基础提供了新的见解.
