在一项最新研究中，科学家们利用先进的深度表征学习方法Surreal-GAN，对49,482名来自11项研究的个体进行了大脑老化异质性的研究。研究揭示了大脑萎缩的五种主要模式，并通过各自的度量R-指数对每个个体进行了量化。这些模式与生物医学、生活方式和遗传因素的关联为观察到的变异提供了洞见，表明它们可能作为遗传和生活方式风险的大脑内表型。

研究结果表明，这些R-指数不仅能够预测疾病进展和死亡率，而且能够捕捉早期变化，作为补充的预后标记。这些R-指数建立了一种测量老化轨迹和相关大脑变化的维度方法，为精确诊断，特别是在临床前阶段，提供了便利。此外，它们还有助于个性化的患者管理和基于特定大脑内表型表达和预后的靶向临床试验招募。

值得注意的是，这项研究的发现为开发定制化的干预措施提供了基础，以增强和维持中国老年人的健康老化。研究确定了三种不同的健康老化轨迹，这些轨迹具有不同的健康老化得分和下降速率。此外，研究还探讨了影响这些健康老化轨迹的因素，例如性别、教育水平、居住地区、抑郁经历、慢性疾病数量、社交活动参与度、童年朋友数量、童年不良经历以及童年时期的家庭经济状况等。

此外，基因表达内表型是发现和表征复杂疾病新候选基因的有前景的方法，可能代表了在遗传研究中识别阿尔茨海默病和其他神经退行性疾病的新途径。

文章摘要：

大脑衰老过程受到各种生活方式、环境和遗传因素以及与年龄相关且经常共存的病理的影响。磁共振成像和人工智能方法在理解衰老过程中发生的神经解剖学变化方面发挥了重要作用。大规模、多样化的人群研究能够识别由不同但重叠的病理和生物学因素导致的全面和具有代表性的大脑变化模式，揭示受影响大脑区域和临床表型的交叉和异质性。在此，我们利用最先进的深度表征学习方法Surreal-GAN，并介绍了方法上的进步和广泛的实验结果，阐明了来自11项研究的49,482名个体的大脑衰老异质性。通过各自的测量方法，R指数，确定并量化了每个个体的五种主要脑萎缩模式。它们与生物医学、生活方式和遗传因素的关联为观察到的差异的病因提供了见解，表明它们可能是遗传和生活方式风险的脑内表型。此外，基线r指数预测疾病进展和死亡率，捕捉早期变化作为补充预后标志物。这些R指数建立了一种测量衰老轨迹和相关大脑变化的维度方法。它们有望用于精确诊断，特别是在临床前阶段，促进个性化患者管理和基于特定脑内表型表达和预后的靶向临床试验招募。