大脑年龄差距与身体组成和亚洲队列中的代谢指数的关联:基于MRI的研究

科学领域:

• 神经科学是一个神经科学.
• 老年学是一门学科.
• 放射学 放射学是一门学科.

背景情况:

• 全球老龄化带来了诸多挑战,包括认知能力下降,代谢障碍和肉症.
• 防止中年人与年龄相关的衰退是健康衰老的关键.
• 身体组成 (肌肉质量,内脏脂肪) 和代谢指数与加速大脑衰老之间的假设联系.

研究的目的:

• 调查大脑年龄差距 (BAG),身体组成和代谢标记之间的关联.
• 利用基于机器学习的脑年龄模型来量化大脑衰老.
• 在一群台湾成年人中探索关系.

主要方法:

• 开发了一种机器学习模型,使用灰质特征从T1加权脑MRI预测大脑年龄.
• 在2675名健康个体 (18-92岁) 上训练了该模型.
• 将该模型应用于458名台湾成年人,以评估BAG,MRI量化身体组成和代谢标记之间的关联.

主要成果:

• 大脑年龄模型显示可靠的概括性 (MAE = 6.11年,r = 0.900).
• 较大的BAG与减少的腹部肌肉总面积 (r = -0.146) 和较低的BMI调整后的骨肌肉指数 (r = -0.134) 相相关.
• 增加的BAG与较高的C-反应蛋白 (r = 0.121) 和高的禁食葡萄糖 (r = 0.149) 相联系.

结论:

• 肌肉质量和代谢健康下降与加速的大脑衰老有关.
• 针对肌肉健康和代谢控制的干预措施可能有助于减轻不良的大脑衰老影响.
• 这些发现支持通过改善身体组成和代谢健康来改善健康的衰老轨迹.