AI技术解析大脑代谢废物清除机制

发表在《科学进展》期刊上的最新研究显示，科研团队运用机器学习算法追踪脑脊液在颅内的流动效率，从而深入理解大脑如何排除与阿尔茨海默病等神经退行性疾病相关的代谢产物。

当人体进入深度睡眠状态时，脑脊液会在大脑周围循环流动，有效清除与阿尔茨海默病等疾病相关的代谢废物。这一生理过程被称为类淋巴系统，最初由神经科学先驱、罗切斯特大学转化神经医学中心联席主任迈肯·内德加德于2012年首次提出。

然而，该系统的具体运作原理仍存在诸多未解之谜，尤其是脑脊液的流动速率。由于在不对活体大脑造成永久性损伤的前提下，精确测量其内部循环情况极具挑战性。

“我们可以通过显微镜观察大脑局部区域的细微变化，这种方法能够获取非常详尽的信息，过去也积累了相关数据，但这仅仅是整个复杂过程的极小部分，”罗切斯特大学机械工程系的道格拉斯·凯利教授指出。“若要对整个大脑进行成像，磁共振成像技术是理想选择，因为它能够提供三维立体图像。但MRI同样存在明显缺陷，最主要的问题是无法检测流体的流速，至少对于这种极为缓慢的流动而言。”

凯利与来自罗切斯特大学、布朗大学及哥本哈根大学的合作者借助人工智能技术，在《科学进展》期刊发布了这项突破性研究。研究详细介绍了如何运用基于物理规律的人工智能算法，从MRI数据中精确推算流体流速。团队利用染料在脑组织中随时间扩散的视频资料，训练神经网络模型，成功推断出流体运动速率及脑组织的渗透特性。

研究结果显示，类淋巴系统清除大脑中颗粒物质（如与阿尔茨海默病相关的β-淀粉样蛋白）主要通过两条路径，其中一条的清除效率远高于另一条。脑脊液以每秒数微米的速度快速流动，主要环绕大脑表面等开放区域，如颅骨与脑组织之间的间隙；而在脑深层组织中，流速则下降约50倍，以极缓慢的方式渗透。

目前，研究团队正在获取小鼠等实验动物的脑内液体流动基准数据，用于优化人工智能工具。长远目标是横向对比健康大脑与病变大脑、年轻大脑与衰老大脑的液体循环特征，最终将研究拓展至人体层面。

“我们的研究方向聚焦于如何无创测量人脑内外脑脊液的流动状态，一旦技术成熟，其临床应用价值将十分显著且令人期待，”凯利表示。“我们的愿景是实现对阿尔茨海默病患者脑部血液循环障碍的早期诊断，甚至在更早阶段进行循环功能筛查，从而达到预防阿尔茨海默病的目的。此外，也可评估脑震荡患者的脑部液体循环是否受到损害。这项研究使我们向目标迈出了关键一步。”

参考文献

MR-AIV reveals in vivo brain-wide fluid flow with physics-informed AI