通过大规模深度学习量化女性和男性之间的常见和独特的大脑衰老模式

科学领域:

• 神经科学是一个神经科学.
• 老年学是一门学科.
• 计算神经科学是一种神经科学.

背景情况:

• 衰老显著影响人类大脑功能,但对性别特异性变化的全面理解仍然不完整.
• 以前的研究强调了与年龄相关的大脑变化,但对男性和女性之间的共同点和差异的详细见解是有限的.

研究的目的:

• 为了确定与正常衰老相关的初级大脑功能连接 (FC) 变化.
• 揭示男性和女性之间大脑衰老模式的相似性和差异.
• 利用深度学习和可解释的AI来分析大规模的神经成像数据.

主要方法:

• 来自英国生物库的25582名健康参与者 (49-76岁) 休息状态功能连接 (FC) 的分析.
• 部署深度学习模型与嵌套交叉验证,以分别对男性和女性分类与年龄相关的FC变化.
• 使用独立数据集和额外的分类器验证已识别的与性别共同和性别特定的与衰老相关的FC.

主要成果:

• 衰老与两性脑功能相互作用的减少有关,特别是积极的域内连接性减少和负的域间连接性增加.
• 参与认知控制的区域在男性和女性中表现出最明显的与年龄相关的变化.
• 性别特定的衰老效应涉及认知控制和默认模式,视觉,听觉和前端对象网络之间的相互作用,女性表现出加速的功能变化.

结论:

• 老龄化普遍导致大脑功能连接性下降,认知控制区域非常容易受到影响.
• 男性和女性之间存在不同的大脑衰老模式,特别是在网络互动中.
• 与男性相比,女性经历了更快的脑功能衰老,这强调了性别作为衰老研究中的生物变量的重要性.