Оценка возраста мозга новорождённых по Т2-взвешенным магнитно-резонансным изображениям с использованием неглубокой регрессионной аналитики

Почему время важно для крошечных мозгов

В первые недели жизни мозг ребёнка растёт с поразительной скоростью, преображаясь день за днём. Врачи, ухаживающие за недоношенными и доношенными младенцами, хотят иметь точный способ определить, идёт ли это развитие по плану, задолго до появления поведенческих задержек. В этом исследовании показано, как подробные МРТ-снимки мозга новорождённых можно преобразовать в точную оценку «возраста мозга», дающую клиницистам чувствительное раннее окно для оценки здоровья мозга.

Измерение возраста вне календаря

Новорождённых обычно описывают по числу недель с момента зачатия, что называется постменструальным возрастом. Однако два ребёнка с одинаковым календарным возрастом могут иметь существенно разную зрелость мозга, особенно если один из них родился преждевременно. Магнитно-резонансная томография (МРТ) позволяет фиксировать структуру мозга без облучения, показывая, как углубляются извилины и меняются ткани по мере роста ребёнка. Авторы поставили задачу свести эти богатые изображения к одному числу: насколько стар мозг выглядит в неделях по сравнению с типичным развитием. Различия между этим «возрастом мозга» и фактическим возрастом ребёнка могли бы сигнализировать о необычно медленном или ускоренном созревании.

Сканирование сотен новорождённых

Команда использовала МРТ-данные 885 новорождённых из Проекта по развитию человеческого коннектома (Developing Human Connectome Project), включая недоношенных и доношенных младенцев в возрасте от 26 до 46 недель постменструального возраста на момент сканирования. Все дети были отсканированы во время естественного сна в специализированной неонатальной МРТ-системе, что дало высококачественные Т2-взвешенные изображения, подчёркивающие различия между тканями мозга. Перед любым анализом были удалены вне-черепные ткани, скорректирована яркость изображений, и каждый мозг был пересэмплирован до стандартного размера и разрешения, чтобы можно было сопоставлять изображения от разных младенцев.

Выровнять мозги и выбрать подходящий эталон

Ключевым шагом было решение о том, как выровнять мозг каждого ребёнка относительно эталонного мозга, называемого шаблоном. Авторы сравнили три варианта: шаблон, близко соответствующий возрасту каждого ребёнка, единый шаблон, построенный на основе доношенных 40-недельных мозгов, и случайно выбранный неонатальный шаблон. Они также протестировали два способа подгонки каждого мозга к этим шаблонам: более простую линейную подгонку, которая масштабирует и поворачивает мозг, и более гибкую комбинацию линейного и нелинейного преобразования, позволяющую точно подправить локальные формы. Эти решения важны, потому что лучшее выравнивание позволяет компьютеру сосредоточиться на реальных различиях в развитии, а не на несущественных сдвигах и искажениях.

Преобразование изображений в числа, которые компьютер может изучить

Каждый выровненный том содержит миллионы крошечных объёмных элементов, или вокселей, которых слишком много, чтобы напрямую подавать их в модель прогнозирования. Чтобы справиться с этим, команда использовала математический приём, сжимающий данные в меньший набор компонентов, отражающих основные паттерны вариации между младенцами. Затем эти компоненты ранжировали по тому, насколько сильно они коррелируют с возрастом, и оставили только наиболее информативные. С этими признаками они обучили три проверенных метода регрессии — гауссовский процесс регрессии, опорную векторную регрессию и регрессию релевантных векторов — для прогнозирования возраста мозга, проверяя результаты с помощью повторной кросс-валидации, чтобы каждый ребёнок в какой‑то момент выступал невидимым тестом.

Насколько близко «возраст мозга» к реальности?

Когда изображения выравнивали с помощью сочетания линейного и нелинейного преобразования относительно шаблона, соответствующего возрасту, оценки возраста мозга оказались удивительно точными. Лучшие модели ошибались в среднем примерно на 0,44 недели — менее полувека недели — и около 95% вариации в возрасте объяснялось данными изображений. Использование доношенного шаблона давало немного большие ошибки, а случайный шаблон работал хуже всего, особенно для недоношенных младенцев. Более гибкая регистрация последовательно превосходила простую линейную, хотя прирост был умеренным, так что простая методика остаётся привлекательной при ограниченных вычислительных ресурсах. Среди трёх методов прогнозирования гауссовский процесс регрессии показал наилучший баланс точности и стабильности.

Что это значит для хрупких начал

Тщательно выбирая способы выравнивания и суммирования сканов мозга новорождённых, это исследование показывает, что одна МРТ-съёмка может дать очень точную оценку зрелости мозга ребёнка — с погрешностью порядка нескольких дней. Такая мера «возраста мозга» может помочь клиницистам обнаруживать тонкие отставания в развитии у недоношенных или детей из группы высокого риска задолго до того, как проблемы станут заметны в поведении или двигательной активности. Хотя исследование опирается на один тип МРТ и данные из конкретного исследовательского проекта, оно закладывает основу для практических инструментов, которые могли бы более объективно отслеживать ранний рост мозга, поддерживая более ранние вмешательства в период, когда мозг особенно чувствителен к помощи.

Цитирование: 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

Ключевые слова: развитие мозга новорождённых, оценка возраста мозга, неонатальная МРТ, недоношенные младенцы, машинное обучение