당신의 두뇌 나이는 몇 살입니까? EEG 알고리즘이 문제의 간극을 스캔합니다.

• 새로운 머신러닝(ML) 알고리즘은 인공지능(AI)과 EMOTIV EEG를 사용하여 개인의 뇌 나이를 계산합니다.

• 개인의 안정 상태 EEG의 변화는 알츠하이머와 같은 퇴행성 질환의 초기 징후를 나타낼 수 있습니다.

• 연구 결과는 프론티어스 인 뉴로에르고노믹스에 발표되어 뇌 건강 검진에 대한 능동적인 접근법을 제공합니다.

연구자들은 개인의 생물학적 나이와 뇌 나이 사이의 차이를 계산하는 새로운 방법을 개발했습니다. 이 머신러닝 모델은 EMOTIV EPOC X 헤드셋을 사용하여 뇌의 안정 상태(해야 할 작업 없이 깨어 있는 상태) 동안 전기 활동을 측정하고 건강한 성인들 사이의 통계 데이터와 비교합니다.

Kounios 외(2024)는 여러 대면 및 원격 온라인 참가자들로부터 수집된 EPOC X 뇌 데이터를 사용하여 알고리즘을 훈련시켰으며, 보조 훈련 데이터 세트도 사용했습니다. 총 연구에서는 다섯 개의 결합된 데이터 세트를 사용했습니다.

왜 뇌 나이가 중요할까요?

인간의 뇌는 항상 변화하며, 평생 동안 새로운 연결을 추가하고 오래된 연결을 수리합니다. 부상과 질병은 뇌의 발달 단계를 지연시키거나 가속화하여 "뇌 나이 격차"를 발생시킬 수 있습니다. 이러한 격차는 나이에 따른 질병의 경고 신호 역할을 할 수 있습니다. 불행히도, 뇌 스캔은 종종 비용이 많이 들고 시간이 소요되며 질병 증상이 나타나는 경우에만 수행됩니다.

저자들은 중년 초반 또는 더 젊은 개인들을 스캔하는 것이 나이에 따른 신경 퇴행 장애를 가장 초기 단계에서 감지하고 치료할 수 있는 가능성을 높인다고 제안합니다.

"우리의 EEG 뇌 나이 추정 접근법에는 여러 가지 유망한 응용 프로그램이 있습니다," 저자들은 언급합니다. "이는 뇌 나이 격차가 기저의 나이에 따른 병리를 나타낼 가능성이 있는 개인을 식별하기 위한 상대적으로 저렴한 스크리닝 도구로 사용될 수 있습니다. 또한, EMOTIV EPOC X 헤드셋의 상대적으로 낮은 비용 덕분에 EEG 뇌 나이 추정은 결과를 확인하고 시간에 따른 변화를 감지하기 위해 반복적으로 수행될 수 있습니다."

이 뇌 나이 데이터 세트는 신경 퇴행을 늦추거나 되돌리기 위한 잠재적 개입의 테스트에도 유용할 수 있습니다. 예를 들어, 2020년 국가 노인 연구소가 지원하는 연구는 특정 건강한 생활 방식 요소가 알츠하이머 위험을 60% 낮출 수 있다고 발견했습니다 (Dhana 외, 2020).

무선 EEG의 구출

Kounios와 동료들은 EPOC X가 저렴하고 접근 가능하다고 칭찬했습니다. 이들은 사람들이 집이나 직장에서 자신의 뇌 나이를 추정할 수 있게 해준다고 말했습니다. 이는 나이에 따른 인지 저하와 인지 건강을 위한 생활 방식 개입에 대한 추가 연구로 이어질 수 있습니다.

뇌 나이를 계산하는 방법을 배우는 것은 다른 가능성도 제공합니다. 예를 들어, "인지 슈퍼 에이저"라는 80대와 90대의 사람들 그룹이 있으며, 이들은 통계를 거스릅니다. 인지 슈퍼 에이저는 20-30세 젊은 성인과 유사한 기억 성능을 가지고 있습니다. 현재 연구는 이 뛰어난 개인 그룹으로부터 배우고 그 정보를 사용하여 건강한 뇌 노화를 촉진하려고 합니다.

신경 과학자와 기타 연구자들은 우리의 뇌가 노화하는 방식에서 식단, 환경, 라이프스타일 및 유전학이 어떤 역할을 하는지를 더 잘 이해하기를 희망합니다.

저자들은 그들의 뇌 나이 스크리닝 모델의 안정성을 장기간 평가하는 것의 중요성을 강조합니다. 또한, 이 발견을 더 크고 다양한 뇌 EEG 데이터 샘플로 검증하기 위한 추가 연구가 필요합니다.

참고문헌:

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). 건강한 생활 방식과 알츠하이머 치매의 위험. 신경학, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). 저비용 EEG 헤드셋을 통한 뇌 나이 추정: 대규모 스크리닝 및 뇌 최적화를 위한 효과와 시사점. 프론티어스 인 뉴로에르고노믹스, 5. https://doi.org/10.3389/fnrgo.2024.1340732