• एक नया मशीन-लर्निंग (ML) एल्गोरिदम किसी व्यक्ति की मस्तिष्क की आयु की गणना करने के लिए आर्टिफिशियल इंटेलिजेंस (AI) और Emotiv EEG का उपयोग करता है।

• किसी व्यक्ति के विश्राम-अवस्था (resting-state) वाले EEG में परिवर्तन अल्जाइमर जैसी अपक्षयी (degenerative) बीमारियों के शुरुआती संकेतों का संकेत दे सकते हैं।

• शोध के निष्कर्ष, जो Frontiers in Neuroergonomics में प्रकाशित हुए हैं, मस्तिष्क स्वास्थ्य जांच के लिए एक सक्रिय दृष्टिकोण प्रदान करते हैं।

शोधकर्ताओं ने किसी व्यक्ति की वास्तविक आयु (chronological age) और मस्तिष्क की आयु के बीच के अंतर की गणना करने के लिए एक नई विधि विकसित की है। यह मशीन-लर्निंग मॉडल मस्तिष्क की विश्राम-अवस्था (जागृत लेकिन बिना किसी कार्य के) के दौरान विद्युत गतिविधि को मापने के लिए Emotiv Epoc X हेडसेट का उपयोग करता है और स्वस्थ वयस्कों के सांख्यिकीय डेटा के साथ इसकी तुलना करता है।

Kounios et al. (2024) ने व्यक्तिगत और दूरस्थ ऑनलाइन प्रतिभागियों के संग्रह से एकत्र किए गए EPOC X मस्तिष्क डेटा, साथ ही पूरक प्रशिक्षण डेटासेट के साथ एल्गोरिदम को प्रशिक्षित किया। कुल मिलाकर, अध्ययन में पांच संयुक्त डेटासेट का उपयोग किया गया।

मस्तिष्क की आयु क्यों मायने रखती है?

मानव मस्तिष्क हमेशा बदलता रहता है, हमारे पूरे जीवनकाल में नए संबंध बनाता है और पुराने संबंधों की मरम्मत करता है। चोट और बीमारी मस्तिष्क के विकास के चरण को धीमा या तेज कर सकती है, जिससे "मस्तिष्क की आयु का अंतर" (brain age gap) पैदा होता है। ये अंतर उम्र से संबंधित बीमारी के लिए चेतावनी संकेत के रूप में कार्य कर सकते हैं। दुर्भाग्य से, मस्तिष्क के स्कैन अक्सर महंगे और समय लेने वाले होते हैं और बीमारी के लक्षण सामने आने के बाद ही किए जाते हैं।

लेखकों का प्रस्ताव है कि प्रारंभिक मध्यम आयु या उससे कम उम्र के व्यक्तियों को स्कैन करने से उम्र से संबंधित तंत्रिका संबंधी विकारों (neurological disorders) का उनके शुरुआती चरणों में पता लगाने और उनके इलाज की संभावना बढ़ जाती है।

लेखक ध्यान दिलाते हैं, "EEG मस्तिष्क-आयु अनुमान के हमारे दृष्टिकोण के कई आशाजनक अनुप्रयोग हैं। इसका उपयोग उन व्यक्तियों की पहचान करने के लिए एक अपेक्षाकृत सस्ते स्क्रीनिंग टूल के रूप में किया जा सकता है जिनके मस्तिष्क-आयु का अंतर अंतर्निहित उम्र से संबंधित विकृति की संभावना का सुझाव देता है, जिसके बाद विशिष्ट नैदानिक परीक्षण किए जा सकते हैं। इसके अलावा, Emotiv Epoc X हेडसेट की अपेक्षाकृत कम लागत के कारण, परिणामों को सत्यापित करने और समय के साथ बदलावों का पता लगाने के लिए EEG मस्तिष्क-आयु अनुमान बार-बार किया जा सकता है।"

मस्तिष्क की आयु का यह डेटा सेट न्यूरोलॉजिकल उम्र बढ़ने को धीमा करने या उलटने के लिए संभावित हस्तक्षेपों के परीक्षण के लिए भी उपयोगी हो सकता है। उदाहरण के लिए, नेशनल इंस्टीट्यूट ऑन एजिंग द्वारा वित्त पोषित एक 2020 के अध्ययन में पाया गया कि कुछ स्वस्थ जीवन शैली कारक अल्जाइमर के जोखिम को 60% तक कम कर सकते हैं (Dhana et al., 2020)।

बचाव के लिए वायरलेस EEG

Kounios और उनके सहयोगियों ने EPOC X के किफायती और सुलभ होने की सराहना की। उन्होंने कहा कि यह लोगों को घर या काम पर अपने मस्तिष्क की आयु का अनुमान लगाने की अनुमति देता है। इससे उम्र से संबंधित संज्ञानात्मक गिरावट (cognitive decline) और संज्ञानात्मक स्वास्थ्य के लिए जीवन शैली के हस्तक्षेपों पर अधिक शोध का मार्ग प्रशस्त हो सकता है।

मस्तिष्क की आयु की गणना करना सीखने से अन्य संभावनाएं भी खुलती हैं। उदाहरण के लिए, 80 और 90 के दशक के लोगों का एक समूह है जिसे "संज्ञानात्मक सुपर-एजर्स" (cognitive super-agers) कहा जाता है जो आंकड़ों को झुठलाते हैं। संज्ञानात्मक सुपर-एजर्स का स्मृति प्रदर्शन 20-30 वर्ष छोटे वयस्कों के समान होता है। वर्तमान अध्ययनों का उद्देश्य व्यक्तियों के इस असाधारण समूह से सीखना और स्वस्थ मस्तिष्क की उम्र बढ़ने को बढ़ावा देने के लिए उस जानकारी का उपयोग करना है।

न्यूरोसाइंटिस्ट और अन्य शोधकर्ता यह बेहतर ढंग से समझने की उम्मीद करते हैं कि आहार, पर्यावरण, जीवन शैली और आनुवंशिकी हमारे मस्तिष्क की उम्र बढ़ने में क्या भूमिका निभाते हैं।

लेखक लंबे समय तक अपने मस्तिष्क की आयु स्क्रीनिंग मॉडल की स्थिरता का मूल्यांकन करने के महत्व पर जोर देते हैं। एक बड़े और अधिक विविध मस्तिष्क EEG डेटा नमूने के साथ इन निष्कर्षों को मान्य करने के लिए भविष्य के शोध की भी आवश्यकता है।

संदर्भ:

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