• Một thuật toán học máy (ML) mới sử dụng trí tuệ nhân tạo (AI) và EEG của Emotiv để tính toán tuổi não của một người.

• Những thay đổi trong EEG trạng thái nghỉ của một người có thể báo hiệu các dấu hiệu sớm của các bệnh thoái hóa như Alzheimer.

• Các phát hiện nghiên cứu, được công bố trên Frontiers in Neuroergonomics, mang lại một phương pháp chủ động để tầm soát sức khỏe não bộ.

Các nhà nghiên cứu đã phát triển một phương pháp mới để tính toán sự chênh lệch giữa tuổi đời và tuổi não của một người. Mô hình học máy này sử dụng thiết bị đeo đầu Emotiv Epoc X để đo hoạt động điện trong trạng thái nghỉ của não (tỉnh táo nhưng không thực hiện nhiệm vụ nào) và so sánh nó với dữ liệu thống kê ở những người trưởng thành khỏe mạnh.

Kounios và các đồng nghiệp (2024) đã huấn luyện thuật toán này bằng dữ liệu não bộ Epoc X thu thập được từ một nhóm người tham gia trực tiếp và trực tuyến từ xa, cùng với các tập dữ liệu huấn luyện bổ sung. Tổng cộng, nghiên cứu đã sử dụng năm tập dữ liệu kết hợp.

Tại sao tuổi não lại quan trọng?

Não bộ con người luôn thay đổi, bổ sung các kết nối mới và sửa chữa các kết nối cũ trong suốt cuộc đời của chúng ta. Chấn thương và bệnh tật có thể làm chậm hoặc đẩy nhanh giai đoạn phát triển của não, gây ra "khoảng cách tuổi não". Những khoảng cách này có thể đóng vai trò là dấu hiệu cảnh báo cho các bệnh liên quan đến tuổi tác. Thật không may, các phương pháp quét não thường tốn kém, mất thời gian và chỉ được tiến hành khi các triệu chứng bệnh đã biểu hiện.

Các tác giả đề xuất rằng việc quét não cá nhân ở độ tuổi trung niên sớm hoặc trẻ hơn sẽ làm tăng khả năng phát hiện và điều trị các rối loạn thần kinh liên quan đến tuổi tác ở các giai đoạn sớm nhất của chúng.

"Phương pháp ước tính tuổi não qua EEG của chúng tôi có một vài ứng dụng đầy hứa hẹn", các tác giả lưu ý. "Nó có thể được sử dụng như một công cụ tầm soát tương đối rẻ để xác định các cá nhân có khoảng cách tuổi não cho thấy khả năng có bệnh lý tiềm ẩn liên quan đến tuổi tác, từ đó có thể theo dõi bằng các xét nghiệm chẩn đoán cụ thể. Hơn nữa, do chi phí tương đối thấp của thiết bị đeo đầu Emotiv Epoc X, việc ước tính tuổi não qua EEG có thể được thực hiện lặp đi lặp lại để xác minh kết quả và phát hiện các thay đổi theo thời gian."

Tập dữ liệu tuổi não này cũng có thể hữu ích cho việc thử nghiệm các can thiệp tiềm năng nhằm làm chậm hoặc đảo ngược quá trình lão hóa thần kinh. Ví dụ, một nghiên cứu năm 2020 do Viện Lão khoa Quốc gia tài trợ đã phát hiện ra rằng một số yếu tố lối sống lành mạnh có thể giảm 60% nguy cơ mắc bệnh Alzheimer (Dhana và các đồng nghiệp, 2020).

EEG không dây giải cứu tình thế

Kounios và các đồng nghiệp đã ca ngợi Epoc X vì sự giá cả phải chăng và dễ tiếp cận. Họ cho biết nó cho phép mọi người ước tính tuổi não tại nhà hoặc nơi làm việc. Điều này có thể dẫn đến nhiều nghiên cứu hơn về sự suy giảm nhận thức liên quan đến tuổi tác và các can thiệp lối sống đối với sức khỏe nhận thức.

Tìm hiểu cách tính toán tuổi não cũng mở ra những khả năng khác. Ví dụ, có một nhóm người ở độ tuổi 80 và 90 được gọi là "những người siêu nhận thức tuổi già", những người thách thức các số liệu thống kê. Những người siêu nhận thức tuổi già có hiệu suất trí nhớ tương tự như những người trưởng thành trẻ hơn từ 20-30 tuổi. Các nghiên cứu hiện tại nhằm mục đích học hỏi từ nhóm cá nhân đặc biệt này và sử dụng thông tin đó để thúc đẩy quá trình lão hóa não bộ lành mạnh.

Các nhà thần kinh học và các nhà nghiên cứu khác hy vọng sẽ hiểu rõ hơn về vai trò mà chế độ ăn uống, môi trường, lối sống và di truyền ảnh hưởng đến cách não bộ của chúng ta lão hóa.

Các tác giả nhấn mạnh tầm quan trọng của việc đánh giá tính ổn định của mô hình tầm soát tuổi não của họ trong một khoảng thời gian dài hơn. Nghiên cứu trong tương lai cũng cần thiết để xác thực các phát hiện này với một mẫu dữ liệu EEG não lớn hơn và đa dạng hơn.

Tài liệu tham khảo:

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