Tuổi não của bạn là bao nhiêu? Thuật toán EEG quét các khoảng trống vấn đề

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

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

• Các phát hiện nghiên cứu, được công bố trong Frontiers in Neuroergonomics, cung cấp một cách tiếp cận chủ động để sàng lọc sức khỏe não bộ.

Các nhà nghiên cứu đã phát triển một phương pháp mới để tính sự khác biệt giữa tuổi theo lịch của một người và tuổi não. Mô hình máy học này sử dụng tai nghe EMOTIV EPOC X để đo hoạt động điện trong trạng thái nghỉ ngơi của não (tỉnh táo nhưng không có nhiệm vụ nào để thực hiện) và so sánh nó với dữ liệu thống kê ở những người khỏe mạnh.

Kounios et al. (2024) đã huấn luyện thuật toán với dữ liệu não EPOC X thu thập được từ một nhóm người tham gia trực tiếp và từ xa, cũng như 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, tạo ra các kết nối mới và sửa chữa các kết nối cũ trong suốt cuộc đời chúng ta. Chấn thương và bệnh tật có thể làm chậm hoặc tăng tốc độ phát triển của não, gây ra một "khoảng cách tuổi não." Những khoảng cách này có thể là dấu hiệu cảnh báo cho các bệnh liên quan đến tuổi tác. Thật không may, các quét não thường tốn kém và tốn thời gian và chỉ được thực hiện khi triệu chứng bệnh xuất hiện.

Các tác giả đề xuất rằng việc quét những cá nhân trong độ tuổi giữa tuổi 30 hoặc trẻ hơn sẽ nâng cao khả năng phát hiện và điều trị các rối loạn thần kinh liên quan đến tuổi sớm nhất.

"Cách tiếp cận của chúng tôi đối với ước lượng tuổi não EEG có nhiều ứng dụng đầy hứa hẹn," các tác giả lưu ý. "Nó có thể được sử dụng như một công cụ sàng lọc tương đối rẻ tiền để xác định những cá nhân có khoảng cách tuổi não gợi ý khả năng có bệnh lý liên quan đến tuổi mà có thể được theo dõi bằng các xét nghiệm chẩn đoán cụ thể. Hơn nữa, nhờ vào chi phí tương đối thấp của tai nghe EMOTIV EPOC X, việc ước lượng tuổi não EEG có thể được thực hiện nhiều lần để xác minh kết quả và phát hiện sự thay đổi theo thời gian."

Bộ dữ liệu tuổi não này cũng có thể hữu ích trong việc kiểm tra các can thiệp tiềm năng để làm chậm hoặc đảo ngược sự 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 khỏe mạnh có thể làm giảm nguy cơ mắc bệnh Alzheimer tới 60% (Dhana et al., 2020).

EEG không dây cứu giúp

Kounios và các đồng nghiệp đã ca ngợi EPOC X vì giá cả phải chăng và khả năng tiếp cận. Họ nói rằng nó cho phép mọi người ước lượng tuổi não của họ 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 can thiệp lối sống cho sức khỏe nhận thức.

Học cách tính toán tuổi não cũng mở ra nhiều khả năng khác. Ví dụ, có một nhóm người trong độ tuổi 80 và 90 được gọi là "những người siêu lão hóa nhận thức" vượt qua các thống kê. Những người siêu lão hóa nhận thức có hiệu suất trí nhớ tương tự như những người trưởng thành trẻ hơn 20-30 tuổi. Các nghiên cứu hiện tại nhằm học hỏi từ nhóm cá nhân ngoại lệ này và sử dụng thông tin đó để thúc đẩy sự lão hóa não bộ khỏe mạnh.

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

Các tác giả nhấn mạnh tầm quan trọng của việc đánh giá sự ổn định của mô hình sàng lọc tuổi não của họ trong một khoảng thời gian dài. Nghiên cứu trong tương lai cũng cần để xác nhận những 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). Lối sống khỏe mạnh và nguy cơ mắc bệnh Alzheimer. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Ước lượng tuổi não với tai nghe EEG giá thấp: hiệu quả và ý nghĩa cho việc sàng lọc quy mô lớn và tối ưu hóa não bộ. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732