• Ein neuer Machine-Learning-(ML-)Algorithmus verwendet künstliche Intelligenz (KI) und Emotiv EEG, um das Gehirnalter einer Person zu berechnen.

• Veränderungen im EEG einer Person im Ruhezustand könnten frühe Anzeichen degenerativer Erkrankungen wie Alzheimer signalisieren.

• Die Forschungsergebnisse, veröffentlicht in Frontiers in Neuroergonomics, bieten einen proaktiven Ansatz für Screenings der Gehirngesundheit.

Forscher haben eine neue Methode entwickelt, um den Unterschied zwischen dem chronologischen Alter einer Person und ihrem Gehirnalter zu berechnen. Dieses Machine-Learning-Modell verwendet Emotiv Epoc X-Headsets, um die elektrische Aktivität während des Ruhezustands des Gehirns (wach, aber ohne auszuführende Aufgabe) zu messen und sie mit statistischen Daten gesunder Erwachsener zu vergleichen.

Kounios et al. (2024) trainierten den Algorithmus mit Epoc X-Gehirndaten, die aus einer Sammlung von Teilnehmern vor Ort und online aus der Ferne sowie aus zusätzlichen Trainingsdatensätzen gewonnen wurden. Insgesamt verwendete die Studie fünf kombinierte Datensätze.

Warum ist Gehirnalter wichtig?

Das menschliche Gehirn verändert sich ständig, bildet im Laufe unseres Lebens neue Verbindungen und repariert alte. Verletzungen und Krankheiten können die Entwicklungsphase des Gehirns verzögern oder beschleunigen und so eine "Gehirnalterslücke" verursachen. Solche Lücken können als Warnzeichen für altersbedingte Erkrankungen dienen. Leider sind Gehirnscans oft kostspielig und zeitaufwendig und werden erst durchgeführt, wenn Krankheitssymptome auftreten.

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

"Unser Ansatz zur EEG-basierten Schätzung des Gehirnalters hat mehrere vielversprechende Anwendungen", notieren die Autoren. "Er kann als relativ kostengünstiges Screening-Tool verwendet werden, um Personen zu identifizieren, deren Gehirnalterslücke auf die Möglichkeit einer zugrunde liegenden altersbedingten Pathologie hindeutet, die mit spezifischen diagnostischen Tests weiter abgeklärt werden kann. Darüber hinaus kann aufgrund der relativ niedrigen Kosten des Emotiv Epoc X-Headsets die EEG-basierte Schätzung des Gehirnalters 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 des neurologischen Alterns zu testen. So ergab eine 2020 vom National Institute on Aging finanzierte Studie, dass bestimmte gesunde Lebensstilfaktoren das Alzheimer-Risiko um 60% senken könnten (Dhana et al., 2020).

Kabelloses EEG zur Rettung

Kounios und Kollegen lobten das EPOC X dafür, dass es erschwinglich und zugänglich ist. Sie sagten, es ermögliche den Menschen, ihr Gehirnalter zu Hause oder bei der Arbeit zu schätzen. Dies könnte zu mehr Forschung über altersbedingten kognitiven Abbau und Lebensstilinterventionen für die kognitive Gesundheit führen.

Auch das Erlernen der Berechnung des Gehirnalters eröffnet weitere Möglichkeiten. So gibt es zum Beispiel eine Gruppe von Menschen in ihren 80ern und 90ern, die "kognitive Super-Ältere" genannt werden und die Statistiken widerlegen. Kognitive Super-Ältere haben eine Gedächtnisleistung, die der von 20 bis 30 Jahre jüngeren Erwachsenen ähnelt. Aktuelle Studien zielen darauf ab, von dieser außergewöhnlichen Gruppe von Personen zu lernen und diese Erkenntnisse zu nutzen, um ein gesundes Altern des Gehirns zu fördern.

Neurowissenschaftler und andere Forscher hoffen, die Rollen besser zu verstehen, die Ernährung, Umwelt, Lebensstile und Genetik dabei spielen, wie unsere Gehirne altern.

Die Autoren betonen, wie wichtig es ist, die Stabilität ihres Gehirnalter-Screeningmodells über einen längeren Zeitraum zu bewerten. Zukünftige Forschung ist außerdem notwendig, um diese Ergebnisse mit einer größeren und vielfältigeren Gehirn-EEG-Datensample 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