图像:黑点表示超声测量的大脑中动脉、颈内动脉和椎动脉上的斑点。从两个半球对称地进行测量。超声指标显示了动脉直径和局部血流速度——这是后续计算中使用的两个主要值。
资料来源:Marie Arsalidou等人/pLOS One
来自HSE大学和约克大学的Skoltech研究人员和他们的同事展示了一个广泛的指数数据集，这些数据来自于向大脑供血的三条主要动脉的超声扫描。该样本由821名参与者组成，其中大多数人就读于普通公立学校，这是特别有价值的，因为之前的大多数研究涉及其他年龄组或患病儿童。研究小组希望这些新数据能为临床医生提供有用的参考，并促进新的发展、社会和其他研究。发表在《公共科学图书馆·综合》(pLOS One)杂志上的这项研究的作者们，已经训练了一个机器学习模型，根据超声波检查指标来判断孩子的年龄，证明它们可以用来做出有意义的预测。
虽然超声波研究依赖于标准的医疗设备——比如对孕妇进行常规检查——但对为大脑供血的动脉进行超声波检查，对于没有非常具体的医学指征的人来说，通常是做不到的。尤其是在年轻的时候。
“超声波检查在老年人中更为普遍，而大多数针对儿童的研究都集中在神经发育障碍患者身上。我们的调查建立在基础研究问题的基础上，这些问题涉及不同年龄组、性别、动脉和大脑半球之间的差异。具体来说，我们采用了发展的观点，因为孩子的成熟最终与他们的表现有关，比如他们的学校成绩，”该研究的第一作者、HSE大学副教授、约克大学兼职教授玛丽·阿萨里杜评论道。
这些数据是按年龄组和性别组织的，研究人员和临床医生可以使用它们作为发展的参考。例如，临床医生可以判断一个孩子的超声指标是平均年龄还是有些不寻常。此外，该数据集有朝一日还可以用于由人工智能驱动的先进决策支持系统，使医疗行业受益。
为了证实超声检查确实可以作为有意义的预测的基础，该团队建立了机器学习模型，根据从超声检查中获得的信息，如血流速度和血管直径，来猜测孩子的年龄。现在，研究人员正计划创建模型，尝试更复杂的预测，特别是儿童的认知能力。
领导Skoltech团队的高级研究科学家Maxim Sharaev补充说:“新数据使另一项研究成为可能，那就是解释模型预测。例如，在我们的年龄预测模型中，我们发现男孩和女孩的指数非常相似。差异主要在两个半球之间。我们还确定了我们需要进一步研究的发展目标，因为一些年龄段的人表现出的大脑半球之间的差异比其他年龄段的人更大。”
研究中设计的机器学习模型之所以有用，不仅是因为它们表明了这种预测是可能的，研究结果还指出了数据的哪些方面在这些预测中更重要。“我们可以确定哪些特征对模型的预测贡献最大，并将它们作为潜在的生物标志物进行研究。如果对独立收集的数据进行测试，然后确认这些生物标记物表明病理或其他重要特征，它们可以用来指导临床决策，并建立更好的神经模型，”Sharaev总结道。
文章标题年龄、性别和大脑半球对儿童和年轻人脑血管血流动力学的影响:发育评分和机器学习分类器