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

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

• Những phát hiện nghiên cứu, được công bố trên Frontiers in Neuroergonomics, mang đến một cách tiếp cận chủ động cho việc sàng lọc sức khỏe não bộ.

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

Kounios et al. (2024) đã huấn luyện thuật toán bằng dữ liệu não Epoc X thu thập từ một nhóm người tham gia trực tiếp và trực tuyến từ xa, cũng như các bộ dữ liệu huấn luyện bổ sung. Tổng cộng, nghiên cứu sử dụng năm bộ dữ liệu kết hợp.

Vì sao tuổi não quan trọng?

Não người luôn thay đổi, hình thành các kết nối mới và sửa chữa các kết nối cũ suốt cuộc đời 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 của các bệnh liên quan đến tuổi tác. Đáng tiếc, các bản chụp quét não thường tốn kém và mất thời gian, và chỉ được thực hiện khi các triệu chứng bệnh đã biểu hiện.

Các tác giả cho rằng việc sàng lọc những người ở giai đoạn đầu của tuổi trung niên hoặc trẻ hơn làm tăng khả năng phát hiện và điều trị các rối loạn thần kinh liên quan đến tuổi tác ngay từ những giai đoạn sớm nhất.

"Cách tiếp cận của chúng tôi đối với việc ước tính tuổi não bằng EEG có một số ứng dụng đầy hứa hẹn," các tác giả lưu ý. "Nó có thể được dùng như một công cụ sàng lọc tương đối ít tốn kém để xác định những người có khoảng cách tuổi não cho thấy khả năng tồn tại bệnh lý tiềm ẩn liên quan đến tuổi tác, từ đó có thể được theo dõi bằng các xét nghiệm chẩn đoán cụ thể. Hơn nữa, nhờ chi phí tương đối thấp của tai nghe Emotiv Epoc X, việc ước tính tuổi não bằng EEG có thể được thực hiện lặp lại để xác minh kết quả và phát hiện những thay đổi theo thời gian."

Bộ dữ liệu tuổi não này cũng có thể hữu ích cho việc kiểm tra các biện pháp 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 Quốc gia về Lão hóa tài trợ cho thấy rằng một số yếu tố lối sống lành mạnh có thể làm giảm nguy cơ Alzheimer tới 60% (Dhana et al., 2020).

EEG không dây cứu nguy

Kounios và các cộng sự khen ngợi EPOC X vì tính giá cả phải chăng và khả năng tiếp cận. Họ nói rằng nó cho phép mọi người ước tính tuổi não của mình tại nhà hoặc nơi làm việc. Điều này có thể dẫn đến nhiều nghiên cứu hơn về suy giảm nhận thức liên quan đến tuổi tác và các biện pháp can thiệp lối sống cho sức khỏe nhận thức.

Việc học cách tính 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 lão hóa nhận thức" và họ thách thức các con số thống kê. Những người siêu lão hóa nhận thức có hiệu suất trí nhớ tương tự như người lớn trẻ hơn 20-30 tuổi. Các nghiên cứu hiện tại nhằm học hỏi từ nhóm người đặc biệt này và sử dụng thông tin đó để thúc đẩy quá trình lão hóa não khỏe mạnh.

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

Các tác giả nhấn mạnh tầm quan trọng của việc đánh giá tính ổn định của mô hình sàng lọc tuổi não của họ trong một khoảng thời gian dài hơn. Cũng cần có thêm nghiên cứu trong tương lai để xác thực những phát hiện này bằng 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