出生时的人工智能和核磁共振成像用两个年龄来预测认知能力

北卡罗来纳大学医学院的科学家表示，他们在出生时使用MRI脑部扫描和机器学习技术来预测两岁时的认知发展，准确率为95%。

资深作者John H. Gilmore博士，Thad和Alice Eure精神病学杰出教授兼UNC社区精神卓越中心主任说：“这一预测可以帮助识别出生后不久出现认知发育不良风险的儿童。”健康。“对于这些孩子来说，在生命的第一年左右进行早期干预 - 当认知发展正在发生时 - 可以帮助改善结果。例如，在有风险的早产儿中，可以使用成像来查看谁可能有问题。“

该研究(“ 出生时的白质连接体准确预测2岁时的认知能力 ”)，在线发表于NeuroImage ，使用了一种称为机器学习的人工智能应用来观察出生时大脑中的白质(WM)连接。这些联系预测认知结果的能力。

认知能力是受神经发育影响的心理健康结果的重要预测因子。有证据表明，人类大脑的基础布线在出生时已经到位，并且WM连接器支持发展大脑功能。然而，未知的是，出生时WM连接组如何支持紧急认知。在这项研究中，使用交叉验证训练深度学习模型，使用 出生时扩散加权磁共振图像生成的WM连接体，将足月婴儿(n = 75)分类为高于或低于2岁时的中位数。调查人员写道。

“该模型的结果用于预测个人认知得分。我们另外确定了WM连接对分类很重要。该模型还在一组单独的早产儿(n  = 37)中进行评估，这些早产儿在足月龄等效时扫描。研究结果显示，出生时的WM连接组预测两年认知评分组在足月(89.5%)和早产(83.8%)婴儿中具有高准确性。模型预测的分数与实际分数密切相关(r 足月= 0.98，早产r = 0.96。发现额叶内，以及额叶和其他脑区之间的连接对于分类是重要的。这项工作表明，出生时的WM连接体可以准确预测儿童的两年认知组和足月和早产儿的个体评分。出生时的WM连接体似乎是后续认知发展的有用神经成像生物标志物，值得进一步研究。

吉尔摩说，北卡罗来纳大学和其他地方的研究人员正在努力寻找成像生物标志物，这些生物标志物可能会导致认知结果不佳以及自闭症和精神分裂症等神经精神疾病的风险。在这项研究中，研究人员在第二个早产儿童样本中复制了最初的发现。

“我们的研究发现，出生时的白质网络具有高度预测性，可能是一种有用的成像生物标志物。我们可以在第二组儿童中复制这些发现，这一事实提供了强有力的证据，证明这可能是一个真实而普遍的发现，“吉尔摩说。