脑健康中心发布新模型来预测大脑健康的改善
作为不断追求改善大脑健康和表现的一部分，德克萨斯大学达拉斯分校大脑健康中心领导的新研究调查了与大脑健康指数改善相关的神经生物标志物。
该研究“迈向精准大脑健康：使用神经影像指标准确预测认知指数轨迹”最近发表在《大脑皮层》杂志上
共有 48 名年龄在 21-65 岁之间的参与者在功能性磁共振成像 (fMRI) 课程中完成了一项简单的任务，然后在大约六个月后完成认知训练方案后再次完成。研究人员从大脑对任务的血流动力学(血流)反应中得出了神经生物标志物。
在这些同一时间点，参与者完成了一系列在线认知评估，用于衡量记忆力、战略注意力和创新能力——这些整体评估产生大脑整体健康状况的综合得分，称为“大脑健康指数”。
然后，研究人员训练了一个机器学习模型，仅根据两次访问中测量的神经标记来预测大脑健康指数的改善。
大脑健康指数源自自我报告的评估，而神经生物标记物提供了大脑中发生的情况的客观物理测量。正如胆固醇水平是心脏健康和心脏病的常见生物标志物一样，神经生物标志物不仅可以作为大脑病理学的早期预系统，还可以作为改善大脑健康的标志物——正如这项研究所证明的那样。
优化的机器学习模型成功预测了 BrainHealth 指数的大幅增长，准确率高达 90%，证实了该指数与健康人群中神经生物标志物之间的功能关系。
主要作者兼生物统计学主任Jeffrey S. Spence 博士解释说：“这项研究的独特之处在于我们的团队使用大脑生物标志物来追踪大脑健康而不是疾病。在大脑健康指数和这种神经生物标志物之间建立如此清晰的功能关系，增强了该指数测量大脑健康状态的价值，而无需昂贵的成像程序。”
特约作者、脑健康中心创始人兼首席主任、德克萨斯大学达拉斯分校 Dee Wyly 杰出教授桑德拉·邦德·查普曼 (Sandra Bond Chapman) 博士表示：“据我们所知，这是首批证明通过改善大脑健康的预测标记的研究之一。对年轻到老年健康成年人进行认知训练后，结合了神经变化和行为增益。”
她继续说道：“小组研究结果显示出统计学意义，但当我们能够在个体水平上明确谁受益于或未能对不同的治疗方案做出反应时，就达到了临床意义。”
“这项研究使我们向精确的大脑健康迈进了一步，最终将允许针对个人量身定制干预措施。”这项研究专注于大脑改善的标志物，得到了 Sammons Enterprises, Inc. 私人慈善机构的慷慨支持。
版权声明：本文由用户上传，如有侵权请联系删除！