该研究是通过荟萃分析增强神经影像遗传学 (ENIGMA) 中风恢复工作组的一部分进行的。科学家分析了 8 个国家 34 个研究中心收集的 500 多名中风幸存者的脑部扫描数据。通过应用经过数万次 MRI 扫描训练的深度学习模型，该团队估计了每个半球不同区域的“大脑年龄”，并研究了中风如何影响结构和恢复。

“我们发现，较大的中风会加速受损半球的衰老，但矛盾的是，大脑的另一侧却显得更年轻，”南加州大学凯克医学院研究神经学副教授、该研究的共同高级作者 Hosung Kim 博士说。 “这种模式表明大脑可能正在自我重组，本质上是恢复未受损的网络的活力，以补偿失去的功能。”

人工智能揭示中风后大脑的重新布线

为了进行分析，研究人员使用了一种称为图卷积网络的人工智能。该系统根据 MRI 数据估计 18 个大脑区域的生物年龄。然后，他们将这个预测年龄与每个人的实际年龄进行比较，这种测量称为大脑预测年龄差异（brain-PAD），它是大脑健康的指标。

当将这些大脑年龄测量值与运动功能评分进行比较时，出现了一个清晰的模式。患有严重运动障碍的中风幸存者，即使经过 6 个多月的康复，受伤部位对面区域的大脑年龄也比预期年轻。这种效应在额顶叶网络中尤其强烈，该网络在运动计划、注意力和协调方面发挥着重要作用。

“这些发现表明，当中风损伤导致更大的运动损失时，大脑另一侧未受损的区域可能会适应以帮助补偿，”金解释说。 “我们在对侧额顶叶网络中看到了这一点，该网络表现出更‘年轻’的模式，并以支持运动计划、注意力和协调性而闻名。这种模式并不表明运动完全恢复，而是反映了大脑在受损的运动系统无法再正常运作时尝试进行调整。这为我们提供了一种传统成像无法捕捉到的神经可塑性的新方法。”

大规模数据揭示隐藏模式

该研究依赖于 ENIGMA，这是一项全球合作项目，结合了来自 50 多个国家的数据，以更好地了解不同条件下的大脑。通过标准化来自许多研究小组的 MRI 数据和临床信息，该团队创建了同类中最大的中风神经影像数据集。

史蒂文斯 INI 主任兼南加州大学教务长教授 Arthur W. Toga 博士表示：“通过汇集全球数百名中风幸存者的数据并应用尖端人工智能，我们可以检测到在小型研究中看不见的大脑重组的微妙模式。慢性中风中大脑老化区域差异的这些发现最终可以指导个性化康复策略。”

迈向个性化中风康复

研究人员计划继续这项工作，对患者进行长期跟踪，从中风后的早期阶段到长期康复。追踪大脑衰老模式和结构变化的演变可以帮助医生根据每个人独特的恢复过程定制治疗方案，以改善结果和生活质量。

了解更多关于对侧神经可塑性和运动障碍之间的关联观看此视频由史蒂文斯 INI 制作。

这项名为“基于 MRI 的深度学习预测区域大脑年龄揭示了与慢性中风严重运动障碍相关的对侧神经可塑性：一项全球 ENIGMA 研究”的研究由美国国立卫生研究院 (NIH) R01 NS115845 资助，并得到了来自不列颠哥伦比亚大学、莫纳什大学、埃默里大学和奥斯陆大学等机构的国际合作者的支持。