年齡是視神經脊髓炎譜係障礙(NMOSD)和多發性硬化(MS)這兩種中樞神經係統炎性脫髓鞘疾病疾病進展疾病的主要獨立標誌。所謂的“大腦年齡”是為了確定大腦的生物年齡而設計的，通過分析MRI掃描給定大腦掃描與一係列健康個體掃描圖像的相似性。機器學習技術可以根據神經預測成像特征一個人的大腦年齡，提供了一種新的方法來研究與正常大腦年齡的偏差。與日曆年齡相比，腦年齡可能為了解NMOSD和複發緩解型MS(RRMS)的疾病影響提供更全麵的信息。

        大腦年齡差距(BAG)是日曆年齡和預測大腦年齡之間的差異。因此，BAG代表與預期健康老化軌跡的偏差。這一MRI生物標誌物整合了整個大腦與衰老過程相關的結構變化。先前的研究表明，BAG與各種臨床風險因素相關，可用於各種神經和精神疾病(包括MS.7)的風險分層。然而，沒有人研究NMOSD患者的BAG及其理解和預測擴展殘疾狀態量表(EDSS)惡化的能力。在這項研究中，使用了一個新的深度學習腦年齡模型來研究BAG作為神經成像生物標誌物在大的多中心數據集中預測NMOSD和RRMS中EDSS惡化的作用。本文發表在《神經病學，神經外科學和精神病學雜誌》上(Journalof Neurology, Neurosurgery & Psychiatry)。

        回顧性收集了2009年11月至2018年4月期間來自中國六家三級神經中心的NMOSD和RRMS患者的數據。在每個中心，具有脫髓鞘疾病專業知識的當地神經學家對參與者進行了臨床評估、診斷、治療和隨訪評估。EDSS惡化定義為EDSS評分增加。深度學習腦年齡的訓練數據包括來自健康對照組(HCs，n=9794)的MRI掃描，這些數據來自公開可用的數據集。13名患者以及一組健康人在北京天壇醫院進行了掃描。訓練後，該模型在另外兩個獨立的數據集上進行了測試。內部驗證數據包括2020年1月至4月在北京天壇醫院使用兩台不同掃描儀掃描的另一組健康參與者(n=462)。外部驗證數據集包括來自多中心NMOSD和MS隊列的HC(n=267)。

        每次掃描的年齡由以下兩種方法之一確定：(1)數據集所有者提供的人口統計數據(以年為單位);(2) 根據出生日期和DICOM元數據中記錄的圖像采集日期之間的差異計算，以天為單位並轉換為年。使用FreeSurfer軟件包(V.6.0.0)中的自動重新配置程序進行腦容量分割。通過除以估計的顱內總容量來計算總腦容量並將其歸一化。構建了一個3D CNN，稱為3D簡單完全卷積神經網絡(SFCN)網絡。BAG是通過從預測的大腦年齡中減去時間年齡來計算的，BAG為正值表示大腦看起來更老。

        在視神經脊髓炎譜係疾病(NMOSD)、多發性硬化症(MS)和健康對照(HC)中，深度學習衍生的大腦年齡與時間年齡的關係

        NMOSD組(5.4±8.2歲)和RRMS組(13.0±14.7歲)的BAG明顯高於健康對照組。兩組患者的基線殘疾評分較高和晚期腦容量損失與BAG增加相關。RRMS患者病程延長與BAG增加相關。BAG顯著預測NMOSD和RRMS患者的擴展殘疾狀態量表惡化。表明其作為早期分診、分層隨訪管理和臨床試驗登記的非侵入性生物標誌物具有額外的臨床價值。BAG作為加速老化的綜合生物標誌物已被廣泛研究。在癡呆症、癲癇和創傷性腦損傷中觀察到BAG增加。本研究首次報告了BAG在NMOSD中的意義以及NMOSD和RRMS之間的差異。 本研究發現NMOSD患者的BAG為5.4(95%可信區間為4.3至6.5)年，雖然低於RRMS，但與HC相比仍顯著。NMOSD中BAG增加的程度與癲癇(4.5年)和創傷性腦損傷(4.7年)中報道的相似。

        總之，與HCs相比，NMOSD顯示出顯著的BAG，盡管不如RRMS顯著。BAG是NMOSD和RRMS中EDSS惡化的預測生物標誌物。

        WeiR,XuX,DuanY, et alBrain age gap in neuromyelitis optica spectrum disorders and multiple sclerosis

        Journal of Neurology, Neurosurgery & PsychiatryPublished Online First:10 October 2022.doi:10.1136/jnnp-2022-329680