Stima dell’età cerebrale neonatale da immagini RM T2 pesate tramite analisi di regressione poco profonda

Perché il tempismo è importante per i cervelli piccoli

Nelle prime settimane di vita, il cervello di un bambino cresce a un ritmo sorprendente, rimodellandosi giorno dopo giorno. I medici che seguono neonati pretermine e a termine vorrebbero un modo preciso per sapere se questa crescita procede regolarmente, molto prima che eventuali ritardi emergano nel comportamento. Questo studio mostra come scansioni MRI dettagliate del cervello dei neonati possano essere trasformate in una stima accurata dell’“età cerebrale”, offrendo ai clinici una finestra sensibile e precoce sulla salute cerebrale.

Misurare l’età oltre il calendario

I neonati vengono di solito descritti in base alle settimane trascorse dal concepimento, note come età postmestruale. Tuttavia due bambini della stessa età cronologica possono mostrare maturità cerebrale molto diversa, soprattutto se uno è nato prematuro. La risonanza magnetica (MRI) può catturare la struttura del cervello senza radiazioni, rivelando come si approfondiscono le pieghe e come i tessuti cambiano durante la crescita. I ricercatori hanno voluto trasformare queste immagini ricche in un unico numero: quanti settimane sembra avere il cervello, rispetto allo sviluppo tipico. Le differenze tra questa età cerebrale e l’età effettiva del bambino possono così segnalare una maturazione insolitamente lenta o rapida.

Scansioni di centinaia di neonati

Il team ha utilizzato dati MRI di 885 neonati del Developing Human Connectome Project, includendo sia pretermine sia a termine con età postmestruale tra 26 e 46 settimane al momento della scansione. Tutti i bambini sono stati sottoposti a scansione durante il sonno naturale in un sistema MRI neonatale specializzato, producendo immagini T2 pesate di alta qualità che mettono in evidenza le differenze tra i tessuti cerebrali. Prima di qualsiasi analisi, sono stati rimossi i tessuti non cerebrali come il cranio, è stata corretta la luminosità delle immagini e ogni cervello è stato risemplificato a una dimensione e risoluzione standard in modo che cervelli di diversi neonati potessero essere confrontati in modo significativo.

Allineare i cervelli e scegliere il riferimento giusto

Un passaggio centrale del lavoro è stata la decisione su come allineare il cervello di ogni bambino con un cervello di riferimento, chiamato template. Gli autori hanno confrontato tre scelte: un template strettamente abbinato all’età di ogni bambino, un unico template costruito da cervelli a termine di 40 settimane e un template neonatale selezionato casualmente. Hanno anche testato due modi di adattare ogni cervello a questi template: un aggiustamento lineare più semplice che scala e ruota il cervello, e una deformazione più flessibile che combina trasformazioni lineari e non lineari per rifinire le forme locali. Queste decisioni sono importanti perché un migliore allineamento permette al computer di concentrarsi su reali differenze di sviluppo piuttosto che su spostamenti e distorsioni irrilevanti.

Trasformare le immagini in numeri da cui il computer può imparare

Ogni scansione cerebrale allineata contiene milioni di minuscoli elementi di volume, o voxel, troppo numerosi per essere inseriti direttamente in un modello predittivo. Per gestire questo problema, il team ha utilizzato una tecnica matematica che comprime i dati in un insieme più piccolo di componenti che catturano i principali schemi di variazione tra i neonati. Hanno poi classificato queste componenti in base a quanto seguivano l’età e ne hanno mantenute solo le più informative. Con queste caratteristiche, hanno addestrato tre metodi di regressione consolidati—regressione a processo gaussiano, regressione a vettori di supporto e regressione a vettori di rilevanza—per prevedere l’età cerebrale, verificandone le prestazioni con una validazione incrociata ripetuta in modo che ogni bambino fungesse da test non visto in qualche iterazione.

Quanto può avvicinarsi l’età cerebrale alla realtà?

Quando le immagini sono state allineate usando sia deformazioni lineari sia non lineari verso un template specifico per età, le stime dell’età cerebrale sono risultate sorprendentemente precise. I migliori modelli hanno sbagliato l’età vera di circa 0,44 settimane in media—meno di mezza settimana—con circa il 95% della variazione dell’età spiegata dai dati di imaging. L’uso di un template a termine ha prodotto errori leggermente maggiori, mentre un template casuale ha dato le prestazioni peggiori, specialmente per i neonati pretermine. La registrazione più flessibile ha costantemente superato l’approccio lineare più semplice, sebbene i guadagni fossero modesti tanto che il metodo semplice può rimanere attraente quando la potenza di calcolo è limitata. Tra i tre metodi predittivi, la regressione a processo gaussiano ha offerto il miglior equilibrio tra accuratezza e stabilità.

Cosa significa per inizi fragili

Scegliendo con cura come allineare e sintetizzare le scansioni cerebrali neonatali, questo lavoro dimostra che una singola MRI può fornire una stima molto accurata della maturità cerebrale di un neonato, fino all’ordine di grandezza di pochi giorni. Una misura di “età cerebrale” del genere potrebbe aiutare i clinici a individuare ritardi sottili nello sviluppo di neonati pretermine o ad alto rischio molto prima che i problemi siano visibili nel comportamento o nei movimenti. Pur basandosi su un unico tipo di MRI e su dati di uno specifico progetto di ricerca, lo studio pone le basi per strumenti pratici che potrebbero monitorare la crescita cerebrale precoce in modo più oggettivo, favorendo interventi anticipati in un periodo in cui il cervello è particolarmente sensibile ai benefici.

Citazione: 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

Parole chiave: sviluppo cerebrale neonatale, stima dell’età cerebrale, RM neonatale, neonati pretermine, apprendimento automatico