你的大脑年龄是多少？EEG算法扫描问题漏洞
海蒂·杜兰
2024年4月30日
分享：
一种新的机器学习（ML）算法利用人工智能（AI）和 EMOTIV EEG 来计算一个人的脑龄。
一个人静息状态的 EEG 变化可以信号早期退行性疾病的迹象，例如阿尔茨海默病。
研究结果发表在 神经人机工程学前沿，提供了一种积极的脑健康筛查方法。
研究人员开发了一种新的方法来计算一个人的实际年龄与脑龄之间的差异。这种机器学习模型使用 EMOTIV EPOC X 头戴设备来测量大脑静息状态（清醒但没有任务）下的电活动，并将其与健康成人的统计数据进行比较。
Kounios 等人（2024）使用从面对面和远程在线参与者收集的 EPOC X 脑数据，以及补充的训练数据集来训练该算法。总之，该研究使用了五个结合的数据集。
为什么脑龄重要？
人类大脑始终在变化，在我们的生活中，增加新的连接并修复旧的连接。伤害和疾病可能会延迟或加速大脑的发展阶段，导致“脑龄差距”。这些差距可能作为与年龄相关疾病的警示信号。不幸的是，脑部扫描通常成本高昂且耗时，仅在疾病症状表现出来后进行。
作者建议，扫描中年初或更年轻的个体，提高了在其早期阶段检测和治疗与年龄相关的神经疾病的可能性。
“我们对 EEG 脑龄评估的方法有几个有前景的应用，”作者指出。“它可以作为一种相对便宜的筛查工具，用来识别那些脑龄差距暗示潜在与年龄相关的病理学个体，具体的诊断测试可以跟进。此外，由于 EMOTIV EPOC X 头戴设备的相对低成本，EEG 脑龄估计可以重复进行，以验证结果和检测随时间变化。”
这个脑龄数据集也可能对测试潜在干预措施以减缓或逆转神经老化有帮助。例如，一项由国家衰老研究所资助的 2020 年研究发现，某些健康的生活方式因素可以将阿尔茨海默病的风险降低 60%（Dhana 等，2020）。
无线 EEG 的救援
Kounios 和同事称赞 EPOC X 的经济实惠和可获取性。他们表示，这使得人们能够在家或工作中估算自己的脑龄。这可能会导致更多关于与年龄相关的认知衰退和认知健康的生活方式干预的研究。
学习如何计算脑龄也有其他可能性。例如，有一群 80 多岁和 90 多岁的人被称为“认知超级老年人”，他们挑战统计数据。认知超级老年人的记忆表现与 20-30 岁的成年人相似。当前的研究旨在从这一特殊的人群中学习，并利用这些信息促进健康的脑部老化。
神经科学家和其他研究人员希望更好地理解饮食、环境、生活方式和遗传学在我们的大脑老化过程中发挥的作用。
作者强调了评估其脑龄筛查模型在较长时间内的稳定性的重要性。未来的研究还需要用更大和更多样化的脑 EEG 数据样本来验证这些发现。
参考文献：
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). 健康的生活方式与阿尔茨海默病的风险。神经学, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). 使用低成本 EEG 头戴设备的脑龄估计：广泛筛查和大脑优化的有效性和影响。神经人机工程学前沿, 5. https://doi.org/10.3389/fnrgo.2024.1340732
一种新的机器学习（ML）算法利用人工智能（AI）和 EMOTIV EEG 来计算一个人的脑龄。
一个人静息状态的 EEG 变化可以信号早期退行性疾病的迹象，例如阿尔茨海默病。
研究结果发表在 神经人机工程学前沿，提供了一种积极的脑健康筛查方法。
研究人员开发了一种新的方法来计算一个人的实际年龄与脑龄之间的差异。这种机器学习模型使用 EMOTIV EPOC X 头戴设备来测量大脑静息状态（清醒但没有任务）下的电活动，并将其与健康成人的统计数据进行比较。
Kounios 等人（2024）使用从面对面和远程在线参与者收集的 EPOC X 脑数据，以及补充的训练数据集来训练该算法。总之，该研究使用了五个结合的数据集。
为什么脑龄重要？
人类大脑始终在变化，在我们的生活中，增加新的连接并修复旧的连接。伤害和疾病可能会延迟或加速大脑的发展阶段，导致“脑龄差距”。这些差距可能作为与年龄相关疾病的警示信号。不幸的是，脑部扫描通常成本高昂且耗时，仅在疾病症状表现出来后进行。
作者建议，扫描中年初或更年轻的个体，提高了在其早期阶段检测和治疗与年龄相关的神经疾病的可能性。
“我们对 EEG 脑龄评估的方法有几个有前景的应用，”作者指出。“它可以作为一种相对便宜的筛查工具，用来识别那些脑龄差距暗示潜在与年龄相关的病理学个体，具体的诊断测试可以跟进。此外，由于 EMOTIV EPOC X 头戴设备的相对低成本，EEG 脑龄估计可以重复进行，以验证结果和检测随时间变化。”
这个脑龄数据集也可能对测试潜在干预措施以减缓或逆转神经老化有帮助。例如，一项由国家衰老研究所资助的 2020 年研究发现，某些健康的生活方式因素可以将阿尔茨海默病的风险降低 60%（Dhana 等，2020）。
无线 EEG 的救援
Kounios 和同事称赞 EPOC X 的经济实惠和可获取性。他们表示，这使得人们能够在家或工作中估算自己的脑龄。这可能会导致更多关于与年龄相关的认知衰退和认知健康的生活方式干预的研究。
学习如何计算脑龄也有其他可能性。例如，有一群 80 多岁和 90 多岁的人被称为“认知超级老年人”，他们挑战统计数据。认知超级老年人的记忆表现与 20-30 岁的成年人相似。当前的研究旨在从这一特殊的人群中学习，并利用这些信息促进健康的脑部老化。
神经科学家和其他研究人员希望更好地理解饮食、环境、生活方式和遗传学在我们的大脑老化过程中发挥的作用。
作者强调了评估其脑龄筛查模型在较长时间内的稳定性的重要性。未来的研究还需要用更大和更多样化的脑 EEG 数据样本来验证这些发现。
参考文献：
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). 健康的生活方式与阿尔茨海默病的风险。神经学, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). 使用低成本 EEG 头戴设备的脑龄估计：广泛筛查和大脑优化的有效性和影响。神经人机工程学前沿, 5. https://doi.org/10.3389/fnrgo.2024.1340732
一种新的机器学习（ML）算法利用人工智能（AI）和 EMOTIV EEG 来计算一个人的脑龄。
一个人静息状态的 EEG 变化可以信号早期退行性疾病的迹象，例如阿尔茨海默病。
研究结果发表在 神经人机工程学前沿，提供了一种积极的脑健康筛查方法。
研究人员开发了一种新的方法来计算一个人的实际年龄与脑龄之间的差异。这种机器学习模型使用 EMOTIV EPOC X 头戴设备来测量大脑静息状态（清醒但没有任务）下的电活动，并将其与健康成人的统计数据进行比较。
Kounios 等人（2024）使用从面对面和远程在线参与者收集的 EPOC X 脑数据，以及补充的训练数据集来训练该算法。总之，该研究使用了五个结合的数据集。
为什么脑龄重要？
人类大脑始终在变化，在我们的生活中，增加新的连接并修复旧的连接。伤害和疾病可能会延迟或加速大脑的发展阶段，导致“脑龄差距”。这些差距可能作为与年龄相关疾病的警示信号。不幸的是，脑部扫描通常成本高昂且耗时，仅在疾病症状表现出来后进行。
作者建议，扫描中年初或更年轻的个体，提高了在其早期阶段检测和治疗与年龄相关的神经疾病的可能性。
“我们对 EEG 脑龄评估的方法有几个有前景的应用，”作者指出。“它可以作为一种相对便宜的筛查工具，用来识别那些脑龄差距暗示潜在与年龄相关的病理学个体，具体的诊断测试可以跟进。此外，由于 EMOTIV EPOC X 头戴设备的相对低成本，EEG 脑龄估计可以重复进行，以验证结果和检测随时间变化。”
这个脑龄数据集也可能对测试潜在干预措施以减缓或逆转神经老化有帮助。例如，一项由国家衰老研究所资助的 2020 年研究发现，某些健康的生活方式因素可以将阿尔茨海默病的风险降低 60%（Dhana 等，2020）。
无线 EEG 的救援
Kounios 和同事称赞 EPOC X 的经济实惠和可获取性。他们表示，这使得人们能够在家或工作中估算自己的脑龄。这可能会导致更多关于与年龄相关的认知衰退和认知健康的生活方式干预的研究。
学习如何计算脑龄也有其他可能性。例如，有一群 80 多岁和 90 多岁的人被称为“认知超级老年人”，他们挑战统计数据。认知超级老年人的记忆表现与 20-30 岁的成年人相似。当前的研究旨在从这一特殊的人群中学习，并利用这些信息促进健康的脑部老化。
神经科学家和其他研究人员希望更好地理解饮食、环境、生活方式和遗传学在我们的大脑老化过程中发挥的作用。
作者强调了评估其脑龄筛查模型在较长时间内的稳定性的重要性。未来的研究还需要用更大和更多样化的脑 EEG 数据样本来验证这些发现。
参考文献：
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). 健康的生活方式与阿尔茨海默病的风险。神经学, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). 使用低成本 EEG 头戴设备的脑龄估计：广泛筛查和大脑优化的有效性和影响。神经人机工程学前沿, 5. https://doi.org/10.3389/fnrgo.2024.1340732
© 2025 EMOTIV，版权所有。
您的隐私选择（Cookie 设置）
*免责声明 – EMOTIV 产品仅用于研究应用和个人使用。我们的产品不作为欧盟指令 93/42/EEC 中定义的医疗设备出售。我们的产品并非为诊断或治疗疾病而设计或意图使用。
翻译说明：本网站的非英文版本是为了方便您而使用人工智能进行了翻译。尽管我们努力追求准确性，自动翻译可能包含错误或与原文有所不同的细微差别。有关最准确的信息，请参考本网站的英文版本。
© 2025 EMOTIV，版权所有。
您的隐私选择（Cookie 设置）
*免责声明 – EMOTIV 产品仅用于研究应用和个人使用。我们的产品不作为欧盟指令 93/42/EEC 中定义的医疗设备出售。我们的产品并非为诊断或治疗疾病而设计或意图使用。
翻译说明：本网站的非英文版本是为了方便您而使用人工智能进行了翻译。尽管我们努力追求准确性，自动翻译可能包含错误或与原文有所不同的细微差别。有关最准确的信息，请参考本网站的英文版本。
© 2025 EMOTIV，版权所有。
您的隐私选择（Cookie 设置）
*免责声明 – EMOTIV 产品仅用于研究应用和个人使用。我们的产品不作为欧盟指令 93/42/EEC 中定义的医疗设备出售。我们的产品并非为诊断或治疗疾病而设计或意图使用。
翻译说明：本网站的非英文版本是为了方便您而使用人工智能进行了翻译。尽管我们努力追求准确性，自动翻译可能包含错误或与原文有所不同的细微差别。有关最准确的信息，请参考本网站的英文版本。