Schatting van de hersenleeftijd van pasgeborenen uit T2-gewogen MRI-beelden met behulp van oppervlakkige regressieanalyse

Waarom timing ertoe doet bij piepkleine hersens

In de eerste levensweken groeit de hersen van een baby in een verbluffend tempo en verandert hij dag na dag. Artsen die voor te vroeg geboren en voldragen zuigelingen zorgen, willen graag vroeg en nauwkeurig weten of die groei op koers ligt, ver voordat ontwikkelingsachterstanden zich in gedrag laten zien. Deze studie laat zien hoe gedetailleerde MRI-scans van pasgeboren hersenen kunnen worden omgezet in een nauwkeurige schatting van de “hersenleeftijd”, wat clinici een gevoelig vroeg venster op hersengezondheid biedt.

Leeftijd meten voorbij de kalender

Pasgeborenen worden meestal beschreven in weken sinds de conceptie, de zogenaamde postmenstruele leeftijd. Toch kunnen twee baby’s met dezelfde kalenderleeftijd sterk verschillen in hersenrijpheid, vooral als de ene te vroeg geboren is. Magnetische resonantiebeeldvorming (MRI) kan de hersenstructuur zonder straling vastleggen en toont hoe windingen verdiepen en weefsels veranderen naarmate baby’s groeien. De onderzoekers wilden deze rijke beelden terugbrengen tot één getal: hoe oud de hersenen eruitzien in weken vergeleken met typische ontwikkeling. Verschillen tussen deze hersenleeftijd en de werkelijke leeftijd van de baby kunnen wijzen op uitzonderlijk langzame of snelle rijping.

Honderden pasgeborenen scannen

Het team gebruikte MRI-gegevens van 885 pasgeborenen uit het Developing Human Connectome Project, met zowel te vroeg als voldragen zuigelingen van 26 tot 46 weken postmenstruele leeftijd op het moment van scannen. Alle baby’s werden tijdens natuurlijk slaap gescand in een gespecialiseerd neonataal MRI-systeem, wat hoogwaardige T2-gewogen beelden opleverde die onderscheid tussen hersenweefsels benadrukken. Voorafgaand aan de analyse werden niet-hersenweefsels zoals de schedel verwijderd, werd de beeldhelderheid gecorrigeerd en werd elk brein geresampled naar een standaardgrootte en -resolutie zodat hersenen van verschillende zuigelingen zinvol vergeleken konden worden.

Hersenen uitlijnen en de juiste referentie kiezen

Een centrale stap in het werk was bepalen hoe elk babybrein uitgelijnd moest worden met een referentiebrein, een zogenaamde template. De auteurs vergeleken drie opties: een template die nauw aansluit bij de leeftijd van elke baby, één enkele template opgebouwd uit voldragen 40-weken hersenen, en een willekeurig gekozen neonatale template. Ze testten ook twee manieren om elk brein op die templates aan te passen: een eenvoudigere lineaire aanpassing die schaalt en roteert, en een flexibelere combinatie van lineaire en niet-lineaire vervorming die lokale vormen kan verfijnen. Deze keuzes zijn belangrijk omdat betere uitlijning de computer laat focussen op echte ontwikkelingsverschillen in plaats van op irrelevante verschuivingen en vervormingen.

Beelden omzetten in getallen waar de computer van kan leren

Elke uitgelijnde hersenscan bevat miljoenen kleine volume-eenheden, of voxels, veel te veel om direct in een voorspellingsmodel te voeren. Om dit aan te pakken gebruikte het team een wiskundige techniek die de data comprimeert tot een kleiner aantal componenten die de belangrijkste variatiepatronen tussen baby’s vastleggen. Ze rangschikten deze componenten vervolgens op hoe sterk ze samenhangen met leeftijd en behielden alleen de meest informatieve. Met deze kenmerken trainden ze drie gevestigde regressiemethoden—Gaussian process regression, support vector regression en relevance vector regression—om hersenleeftijd te voorspellen, waarbij de prestaties werden gecontroleerd met herhaalde crossvalidatie zodat elke baby op enig moment als ongeziene test diende.

Hoe dicht komt de hersenleeftijd bij de waarheid?

Wanneer de beelden werden uitgelijnd met zowel lineaire als niet-lineaire vervorming naar een leeftijdsspecifieke template, waren de schattingen van de hersenleeftijd opmerkelijk nauwkeurig. De beste modellen zaten gemiddeld ongeveer 0,44 weken naast de werkelijke leeftijd—minder dan een halve week—met ongeveer 95% van de leeftijdsvariatie verklaard door de beeldgegevens. Het gebruik van een voldragen template gaf iets grotere fouten, en een willekeurige template presteerde het slechtst, vooral voor te vroeg geboren baby’s. De flexibelere registratie overtrof consequent de eenvoudigere lineaire aanpak, hoewel de winst bescheiden genoeg was dat de eenvoudigere methode aantrekkelijk kan blijven wanneer rekenkracht beperkt is. Van de drie voorspellingsmethoden bood Gaussian process regression de beste balans tussen nauwkeurigheid en stabiliteit.

Wat dit betekent voor kwetsbare beginjaren

Door zorgvuldig te kiezen hoe pasgeboren hersenscans worden uitgelijnd en samengevat, laat dit werk zien dat één enkele MRI een zeer nauwkeurige schatting kan geven van hoe rijp het brein van een baby is, tot binnen enkele dagen. Zo’n maat voor “hersenleeftijd” kan clinici helpen subtiele achterstanden in ontwikkeling bij te vroeg of risicovolle zuigelingen op te sporen, lang voordat problemen zichtbaar worden in gedrag of beweging. Hoewel de studie vertrouwt op één type MRI en gegevens uit een specifiek onderzoeksproject, legt het de basis voor praktische hulpmiddelen die vroege hersengroei objectiever kunnen volgen en zo eerder ingrijpen mogelijk maken in een periode waarin de hersenen bijzonder gevoelig zijn voor hulp.

Bronvermelding: 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

Trefwoorden: neurale ontwikkeling van pasgeborenen, schatting van hersenleeftijd, neonatale MRI, te vroeg geboren zuigelingen, machine learning