• Ein neuer Algorithmus für maschinelles Lernen (ML) nutzt künstliche Intelligenz (KI) und Emotiv-EEG, um das Gehirnalter einer Person zu berechnen.

• Veränderungen im Ruhe-EEG einer Person könnten erste Anzeichen für degenerative Erkankungen wie Alzheimer signalisieren.

• Die in Frontiers in Neuroergonomics veröffentlichten Forschungsergebnisse bieten einen proaktiven Ansatz für Vorsorgeuntersuchungen zur Gehirngesundheit.

Forscher haben eine neue Methode entwickelt, um die Differenz zwischen dem chronologischen Alter und dem Gehirnalter einer Person zu berechnen. Dieses Modell des maschinellen Lernens nutzt Emotiv Epoc X-Headsets, um die elektrische Aktivität des Gehirns im Ruhezustand (wach, aber ohne eine auszuführende Aufgabe) zu messen und vergleicht diese mit statistischen Daten gesunder Erwachsener.

Kounios et al. (2024) trainierten den Algorithmus mit Epoc X-Gehirndaten, die von einer Gruppe von Vor-Ort- und Remote-Online-Teilnehmern gesammelt wurden, sowie mit ergänzenden Trainingsdatensätzen. Insgesamt wurden in der Studie fünf kombinierte Datensätze verwendet.

Warum ist das Gehirnalter wichtig?

Das menschliche Gehirn verändert sich ständig, indem es im Laufe unseres Lebens neue Verbindungen knüpft und alte repariert. Verletzungen und Krankheiten können die Entwicklungsphase eines Gehirns verzögern oder beschleunigen, was zu einer „Gehirnalterslücke“ führt. Diese Lücken können als Warnzeichen für altersbedingte Krankheiten dienen. Leider sind Gehirnscans oft kostspielig und zeitaufwendig und werden meist erst dann durchgeführt, wenn sich bereits Krankheitssymptome zeigen.

Die Autoren schlagen vor, dass das Scannen von Personen im frühen mittleren Alter oder jünger die Möglichkeit erhöht, altersbedingte neurologische Störungen in ihren frühesten Phasen zu erkennen und zu behandeln.

„Unser Ansatz zur EEG-basierten Schätzung des Gehirnalters hat mehrere vielversprechende Anwendungen“, stellen die Autoren fest. „Er kann als relativ kostengünstiges Screening-Instrument eingesetzt werden, um Personen zu identifizieren, deren Gehirnalterslücke auf eine zugrunde liegende altersbedingte Pathologie hindeutet, die dann mit spezifischen diagnostischen Tests weiter abgeklärt werden kann. Darüber hinaus kann die EEG-basierte Schätzung des Gehirnalters aufgrund der relativ geringen Kosten des Emotiv Epoc X-Headsets wiederholt durchgeführt werden, um Ergebnisse zu überprüfen und Veränderungen im Laufe der Zeit zu erkennen.“

Dieser Datensatz zum Gehirnalter könnte auch nützlich sein, um potenzielle Interventionen zur Verlangsamung oder Umkehrung der neurologischen Alterung zu testen. Eine vom National Institute on Aging finanzierte Studie aus dem Jahr 2020 ergab beispielsweise, dass bestimmte gesunde Lebensstilfaktoren das Alzheimer-Risiko um 60 % senken können (Dhana et al., 2020).

Drahtloses EEG als Retter in der Not

Kounios und Kollegen lobten das Epoc X als erschwinglich und zugänglich. Sie sagten, es ermögliche Menschen, ihr Gehirnalter zu Hause oder am Arbeitsplatz zu schätzen. Dies könnte zu mehr Forschung über altersbedingten kognitiven Abbau und Lebensstil-Interventionen für die kognitive Gesundheit führen.

Zu lernen, wie man das Gehirnalter berechnet, bietet auch andere Möglichkeiten. Es gibt zum Beispiel eine Gruppe von Menschen im Alter von 80 und 90 Jahren, die sogenannten „kognitiven Super-Ager“, die sich der Statistik widersetzen. Kognitive Super-Ager weisen eine Gedächtnisleistung auf, die der von 20 bis 30 Jahre jüngeren Erwachsenen ähnelt. Aktuelle Studien zielen darauf ab, von dieser außergewöhnlichen Gruppe von Menschen zu lernen und diese Informationen zu nutzen, um ein gesundes Altern des Gehirns zu fördern.

Neurowissenschaftler und andere Forscher hoffen, die Rolle von Ernährung, Umwelt, Lebensstil und Genetik auf den Alterungsprozess unseres Gehirns besser zu verstehen.

Die Autoren betonen, wie wichtig es ist, die Stabilität ihres Screening-Modells für das Gehirnalter über einen längeren Zeitraum zu bewerten. Zukünftige Forschungsarbeiten sind ebenfalls erforderlich, um diese Ergebnisse mit einer größeren und vielfältigeren Stichprobe von EEG-Gehirndaten zu validieren.

Referenzen:

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732