腦齡是甚麼？
腦齡是腦的生理時鐘，代表腦的老化程度。它不等同於一個人的生日年齡。例如兩個人的生日年齡相同，但其中一個人的腦齡比自己的生日年齡老，就表示他的腦比較老化。而另一個人腦齡比生日年齡小，就表示他的腦比較年輕。
腦齡如何推算？
腦齡是根據不同生理參數隨年歲的改變而推算出來的。最常見的作法是蒐集跨年代健康人的腦影像，擷取腦影像特徵，例如腦皮質厚度、腦灰白質體積、或神經纖維束結構等。將這些特徵以生日年齡標記後，輸入人工智慧演算法進行訓練，最終得出一個腦齡的統計預測模型。這個模型就可以根據一個人的腦影像推測這個人的腦齡。
腦齡為何重要？
新近研究顯示腦齡的重要意義。
一、腦齡代表一個人先天、後天因素總和起來的健康指標:
腦齡受到諸多先天因素(如失智基因、性別)和後天因素(如神經或精神疾病、代謝疾病、心血管疾病或生活型態)的影響。即使兩個人的生日年齡相同，因他們具有不同的先天及後天因素，他們的腦齡也不盡相同。
二、腦齡可預測未來失智或死亡的風險:
已有眾多研究顯示上述的風險因素與失智或死亡息息相關，而腦齡又代表一個人先天、後天因素總和起來的健康指標。最近的研究更發現腦齡可預測未來失智或死亡的風險。因此，腦齡能夠預測一個人離失智或死亡的距離有多遠。
三、腦齡是可以逆轉的:
既然腦齡受到諸多後天因素調控，所以我們可以藉由對後天因素的控管，如控制三高、規律運動、健康飲食、充足睡眠等使腦齡年輕。一旦腦齡恢復年輕，就遠離失智或死亡的風險，進而達到健康長壽的效果。
上頂腦齡技術有何優越處？
上頂結合先進技術，研發出優越的腦神經年齡技術。
一、絕佳的穩定性:
上頂擁有獨特的影像對位技術，能針對擴散磁振影像進行全自動影像處理程序，進而推算出穩定性極佳的腦神經年齡。
二、更高的準確度:
相較於大多數使用T1加權結構影像所推算的灰質腦齡，擴散磁振影像對細微結構的變化更為敏銳，因此腦神經年齡的推算也更加準確。例如，上頂腦神經年齡的準確度約在4~5歲之間。而其他研究團隊使用3倍以上的T1加權結構影像資料量，所算出的灰質腦齡，其準確度約在5~6歲之間。
三、獨特的網絡腦齡:
除了提供全腦神經年齡之外，上頂更提供八個認知功能網絡的腦神經年齡。這八個認知功能網絡是根據自家獨有的腦神經纖維束圖譜，細分成四個記憶網絡(事件記憶、語意記憶、內隱記憶、工作記憶)，兩個高階功能(語言及專注力)，和兩個接收反應功能(感覺運動及視覺)。這些認知功能網絡的腦齡可以顯示八個網絡之間不同的老化程度。
四、敏銳的臨床關聯性:
上頂的腦神經年齡比較側重神經連結的退化，而一般的灰質腦齡比較側重神經細胞體的退化。研究顯示腦神經年齡老化程度對臨床症狀或認知功能的關聯性比灰質腦齡更為敏銳。
上頂腦齡的臨床研究成果
一、阿茲海默症[1]:
上頂利用美國公開的失智症族群資料庫(OASIS-3)，進行回溯型腦齡研究。我們發現腦齡越大，臨床失智指標就越嚴重。而在輕度知能障礙患者中，未來兩年內會惡化成失智症的人，他們的腦齡比不會惡化的人明顯來的老。即使在認知功能正常的族群裡，未來兩年內會惡化成輕度知能障礙的人，他們的腦齡也比不會惡化的人還來的老。我們的結果顯示，腦齡可以用來衡量一個65歲以上的人臨床失智的嚴重程度。更重要的是，腦齡可以預測一個正常人，未來惡化成輕度知能障礙的風險。也可以預測一個輕度知能障礙患者，未來惡化成失智症的風險。
二、巴金森氏症[2,3]:
上頂與台大醫院巴金森氏症團隊合作進行腦齡研究，率先發表腦齡在巴金森氏症的表現。我們發現巴金森氏症的腦齡比起多重系統萎縮症(一種泛巴金森氏症亞型)來的顯著年輕。我們也發現巴金森氏症合併認知障礙的病人比起無認知障礙的巴金森氏症病人或健康人，他們的腦齡都顯著老化。反之，無認知障礙的巴金森氏症病人的腦齡比起健康人呈現稍老，但無顯著差別。若將巴金森氏症病人的腦齡與他們的運動或認知功能做關聯分析，我們發現腦齡與運動或認知功能有顯著的關聯性，腦齡越老運動或認知功能分數就越低。
三、思覺失調症[4]:
上頂與台大醫院思覺失調症團隊合作進行腦齡研究。我們發現思覺失調症病人比起健康人，他們的腦齡不論是灰質腦齡或腦神經年齡，都呈現顯著老化。若將思覺失調症病人的腦齡與他們的臨床行為做關聯分析，我們發現灰質腦齡與臨床行為並無任何相關。但是腦神經年齡與發病年齡、負性症狀、以及智商都呈現顯著關聯性，腦神經年齡越老的病人發病年齡越年輕、負性症狀越嚴重、智商分數也越低。
四、輕度知能障礙[5]:
上頂與雙和醫院神經醫學團隊合作，針對輕度知能障礙病人服用膽鹼酯酶抑制劑，進行回溯型腦齡研究。我們發現病人在服藥前的灰質腦齡可預測服藥兩年後的認知改善情況。我們根據服藥兩年後認知改善情況分成兩組，認知功能有進步的歸入反應組，認知功能沒有進步的歸入無反應組。結果顯示反應組比起無反應組，反應組的腦齡有顯著年輕。此研究指出，臨床醫師在給輕度知能障礙患者投藥前，可作腦齡檢測以預知治療的預後，這將有助於醫師對病人的處置計畫。
五、亞健康成年人[6]:
上頂與台大醫學院醫療器材暨醫學影像研究所合作，利用美國公開的老化研究資料庫(CamCAN)，針對亞健康成年人進行心血管健康因子、腦齡、及認知功能三者之間的關聯性研究。我們使用統計中介法分析三者的因果關係，結果發現腦齡是心血管健康因子與認知功能的媒介者，心血管健康因子與認知功能是透過腦齡而形成顯著關聯。換句話說，心血管健康因子先影響腦齡，腦齡再影響認知功能。此研究支持藉由調控心血管健康因子來改善腦齡，進而達到促進認知功能的目標。
六、擴散磁振影像對位技術[7]:
擴散磁振影像雖能顯示大腦白質神經纖維的微結構特徵，這種影像卻容易被多種假影干擾，這些假影包含磁化率誘發的變形假影、渦電流誘發的變形假影、頭部運動假影等。這些假影將嚴重影響神經纖維微結構特徵的計算結果，連帶影響腦神經年齡的準確性。為去除這些假影，我們開發了DACO演算法。此方法使用臨床常用的T1加權結構影像作為對位標的，結合先進的對位演算法，可有效去除擴散磁振影像的假影。DACO演算法大幅提高腦神經年齡的準確性與穩定性。
上頂與醫院或研究機構的產學合作
為拓展腦齡應用與其臨床價值，我們與國內各醫學中心、大學或研究機構進行多種產學合作計畫。
- 臺大醫院 腦齡模型建立 (已結案)
- 萬芳醫院 腦齡模型建立 (已結案)
- 萬芳醫院 失智嚴重度評估 (進行中)
- 雙和醫院 輕度知能障礙用藥效果預後評估 (已結案)
- 雙和醫院 中風取栓治療預後評估 (進行中)
- 國衛院 血管性失智預後評估 (進行中)
- 長庚大學 乳癌認知功能預後評估 (已結案)
- 敏盛醫院 腦齡模型建立 (已結案)
- 台灣大學 認知快篩測驗 (已結案)
- 臺灣師範大學 腦體適能課程 (已結案)
- 振興醫院 腦齡模型建立 (已結案)
- 高禾醫院 腦齡模型建立 (已結案)
- 花蓮慈濟醫院 腦齡模型建立 (進行中)
- 亞東醫院 失智嚴重度評估 (進行中)
上頂腦齡專利
我們已將腦齡技術應用於多種臨床疾病分析，並取得美國專利。其中第一項專利也同步申請歐盟、加拿大、澳洲、日本、韓國、中國等多國專利。
- 使用腦齡評估現在以及未來的認知障礙程度 (US11589800B2)
- 使用腦齡評估現在以及未來的認知狀態 (US11751798B2)
- 使用腦齡預測認知障礙治療的預後 (US11883184B1)
- 使用腦齡判定現在以及預測未來的腦萎縮狀態 (US12133739B2)
上頂腦齡論文精選
AcroViz Brain Age papers (Selected)
[1] Tseng, W.Y.I., Hsu, Y.C., Kao, T.W. Brain Age difference at baseline predicts CDR change in approximately two years. J Alzheimer’s Disease. 2022;86(2):613-627.
[2] Chen, C.L., Kuo, M.C., Wu, W.C., Hsu, Y.C., Wu, R.M., Tseng, W.Y.I. Advanced brain aging in multiple system atrophy compared to Parkinson’s disease. Neuroimage Clinical. 2022;34:102997.
[3] Chen, C.L., Cheng, S.Y., Montaser-Kouhsari, L., Wu, W.C., Hsu, Y.C., Tai, C.H., Tseng, W.Y.I., Kuo, M.C., Wu, R.M. Advanced brain aging in Parkinson’s disease with cognitive impairment: A multimodal MRI study. npj Parkinson Disease. 2024 Mar 16;10(1):62. doi: 10.1038/s41531-024-00673-7.
[4] Chen, C.L., Hwang, T.J., Tung, Y.H., Yang, L.Y., Hsu, Y.C., Liu, C.M., Lin, Y.T., Hsieh, M.H., Liu, C.C., Chien, Y.L., Hwu, H.G., Tseng, W.Y.I. Detection of Advanced Brain Aging in Schizophrenia and its Structural Underpinning by Using Normative Brain Age Metrics. Neuroimage Clinical. 2022;34:103003.
[5] Tseng, W.Y.I., Hsu, Y.C., Huang, L.K., Hong, C.T., Lu, Y.H., Chen, J.H., Fu, C.K., Chan, L. Brain Age is associated with cognitive outcomes of cholinesterase inhibitor treatment in patients with mild cognitive impairment. J Alzheimer’s Disease. 2024;98(3):1095-1106. doi: 10.3233/JAD-231109.
[6] Chen, C.L., Kuo, M.C., Chen, P.Y., Tung, Y.H., Hsu, Y.C., Huang, C.W.C., Chan, W.P., and Tseng., W.Y.I. Validation of neuroimaging-based Brain Age gap as a mediator between modifiable risk factors and cognition. Neurobiology of Aging. 2022;114:61-72.
[7] Hsu, Y.C., Tseng, W.Y.I. DACO: Distortion/artefact correction for diffusion MRI data. NeuroImage. 2022;262:119571.