Schätzung des Gehirnalters von Neugeborenen aus T2-gewichteten Magnetresonanztomografien mittels flacher Regressionsanalyse

Warum der Zeitpunkt für kleine Gehirne wichtig ist

In den ersten Lebenswochen wächst das Gehirn eines Babys in erstaunlichem Tempo und formt sich von Tag zu Tag neu. Ärztinnen und Ärzte, die früh- und termingeborene Säuglinge betreuen, wünschen sich eine präzise Methode, um frühzeitig zu beurteilen, ob dieses Wachstum im Normbereich verläuft — lange bevor sich Verzögerungen im Verhalten zeigen. Diese Studie zeigt, wie detaillierte MRT-Aufnahmen von Neugeborenengehirnen in eine genaue "Gehirnalter"-Schätzung verwandelt werden können und damit Klinikerinnen und Klinikern ein sensibles Frühwarnfenster für die Gehirngesundheit liefert.

Alter messen jenseits des Kalenders

Neugeborene werden üblicherweise nach der Anzahl der seit der Zeugung verstrichenen Wochen beschrieben, dem sogenannten postmenstruellen Alter. Zwei Babys mit gleichem Kalenderalter können allerdings sehr unterschiedliche Gehirnreife aufweisen, vor allem wenn eines früh geboren wurde. Die Magnetresonanztomografie (MRT) erfasst die Gehirnstruktur ohne Strahlung und zeigt, wie sich Falten vertiefen und Gewebe sich verändern, während die Babys wachsen. Die Forschenden wollten diese reichhaltigen Bilder in eine einzelne Zahl übersetzen: Wie alt das Gehirn in Wochen erscheint, verglichen mit typischer Entwicklung. Abweichungen zwischen diesem Gehirnalter und dem tatsächlichen Alter des Babys könnten ungewöhnlich langsame oder schnelle Reifungsprozesse anzeigen.

Hunderte Neugeborene scannen

Das Team verwendete MRT-Daten von 885 Neugeborenen aus dem Developing Human Connectome Project, darunter Früh- und Termingeborene im Alter von 26 bis 46 postmenstruellen Wochen zum Zeitpunkt der Aufnahme. Alle Babys wurden während natürlichen Schlafs in einem spezialisierten neonatalen MRT-System gescannt, wodurch hochwertige T2-gewichtete Bilder entstanden, die Gewebsunterschiede deutlich hervorheben. Vor jeder Analyse wurden nicht-gehirnbezogene Gewebe wie der Schädel entfernt, Helligkeitsvariationen korrigiert und jedes Gehirn in eine standardisierte Größe und Auflösung überführt, sodass Gehirne unterschiedlicher Säuglinge sinnvoll vergleichbar wurden.

Gehirne ausrichten und die richtige Referenz wählen

Ein zentraler Schritt bestand darin, zu entscheiden, wie jedes Babygehirn an ein Referenzgehirn, eine sogenannte Vorlage, angeglichen werden sollte. Die Autorinnen und Autoren verglichen drei Optionen: eine altersnahe Vorlage, eine einzelne Vorlage, die aus termingeborenen 40-Wochen-Gehirnen erstellt wurde, und eine zufällig ausgewählte neonatale Vorlage. Außerdem testeten sie zwei Arten der Anpassung: eine einfachere lineare Transformation, die skaliert und rotiert, und eine flexiblere Kombination aus linearer und nichtlinearer Verzerrung, die lokale Formen feinjustieren kann. Diese Entscheidungen sind wichtig, weil eine bessere Ausrichtung es dem Rechner ermöglicht, sich auf echte entwicklungsbedingte Unterschiede zu konzentrieren statt auf irrelevante Verschiebungen oder Verformungen.

Bilder in für den Rechner lernbare Zahlen verwandeln

Jeder ausgerichtete Hirnscan enthält Millionen winziger Volumenelemente, sogenannter Voxel, weit zu viele, um sie direkt in ein Vorhersagemodell zu speisen. Um damit umzugehen, nutzte das Team eine mathematische Methode, die die Daten in eine kleinere Menge von Komponenten komprimiert, welche die wichtigsten Muster der Variation zwischen den Babys erfassen. Diese Komponenten wurden dann nach ihrer Altersrelevanz geordnet und nur die informativsten beibehalten. Mit diesen Merkmalen trainierten sie drei etablierte Regressionsmethoden — Gaussian Process Regression, Support Vector Regression und Relevance Vector Regression — um das Gehirnalter vorherzusagen und überprüften die Leistung mittels wiederholter Kreuzvalidierung, sodass jedes Baby irgendwann als unbeobachteter Testfall diente.

Wie nah kommt das Gehirnalter der Realität?

Als die Bilder mit einer Kombination aus linearer und nichtlinearer Registrierung an eine alterspezifische Vorlage angepasst wurden, waren die Gehirnalter-Schätzungen bemerkenswert präzise. Die besten Modelle lagen im Mittel etwa 0,44 Wochen daneben — weniger als eine halbe Woche — und etwa 95 % der Altersvarianz ließen sich durch die Bilddaten erklären. Die Verwendung einer Termvorlage führte zu leicht größeren Fehlern, und eine zufällige Vorlage schnitt am schlechtesten ab, insbesondere bei Frühgeborenen. Die flexiblere Registrierung übertraf durchweg den einfacheren linearen Ansatz, obwohl die Verbesserungen moderat waren, sodass die einfachere Methode bei begrenzter Rechenleistung weiterhin attraktiv sein kann. Unter den drei Vorhersagemethoden bot die Gaussian Process Regression die beste Balance aus Genauigkeit und Stabilität.

Was das für fragile Anfänge bedeutet

Durch sorgfältige Auswahl, wie Neugeborenen-Hirnscans ausgerichtet und zusammengefasst werden, zeigt diese Arbeit, dass eine einzelne MRT-Aufnahme eine sehr genaue Schätzung der Gehirnreife eines Babys liefern kann — bis auf wenige Tage genau. Eine solche "Gehirnalter"-Maßzahl könnte Klinikerinnen und Klinikern helfen, subtile Entwicklungsverzögerungen bei Früh- oder Risikokindern deutlich früher zu erkennen, lange bevor Beeinträchtigungen im Verhalten oder in der Bewegung sichtbar werden. Obwohl die Studie auf einem einzigen Bildgebungsmodus und Daten aus einem bestimmten Forschungsprojekt beruht, legt sie das Fundament für praktische Instrumente, die das frühe Gehirnwachstum objektiver verfolgen und so frühere Interventionen in einer Phase erlauben könnten, in der das Gehirn besonders empfänglich für Unterstützung ist.

Zitation: Taji, S.M., Kazemi, K., Qodrati, Z. et al. Neonatal brain age estimation from T2-weighted magnetic resonance images using shallow regression analysis. Sci Rep 16, 9980 (2026). https://doi.org/10.1038/s41598-026-40336-6

Schlüsselwörter: neonatale Gehirnentwicklung, Gehirnalterabschätzung, neonatale MRT, frühgeborene Säuglinge, maschinelles Lernen