编辑推荐：
随着年龄增长，记忆功能逐渐衰退，目前评估记忆多依赖认知测试而非大脑网络结构。研究人员以 636 名个体为样本，利用储层计算（reservoir computing）研究大脑网络的计算记忆容量。结果显示该容量可预测衰老和认知衰退，这为理解、诊断和治疗神经疾病提供新视角。
记忆，如同大脑中的珍贵宝藏，随着岁月的流逝，却悄然出现损耗。在老龄化加剧的当下，与年龄相关的记忆减退问题日益凸显，严重影响着人们的生活质量。一直以来，临床评估记忆功能主要依靠认知测试，通过让人们记忆和检索信息来判断，但这种方式未能深入探究大脑网络结构层面的变化。而大脑作为一个高度复杂的系统，其解剖学上相互连接的区域构成了复杂的网络，即连接组（connectome）。在年轻人的大脑中，这些区域间的信号传递高效有序，信息处理在全局和局部之间达到精妙平衡。然而，随着年龄增长，大脑连接组的组织结构受损，信息传递效率降低，解剖连接的数量和完整性下降，最终导致认知能力衰退。但这些变化究竟如何影响大脑处理、学习和编码外部刺激的计算能力，此前一直不明确。
为了深入探索这一奥秘，来自瑞典卡罗林斯卡学院（Karolinska Institutet）、哥德堡大学（Goteborg University）等多个机构的研究人员展开了一项极具意义的研究。该研究成果发表在《Nature Communications》杂志上，为理解大脑衰老和相关疾病带来了新的曙光。
研究人员采用了多种关键技术方法。首先，他们选取了两个独立队列，包括 636 名来自剑桥衰老与神经科学中心（Cam-CAN）队列的健康参与者，年龄在 18 - 88 岁，以及 154 名年轻和 72 名老年的莱比锡身心情绪交互队列（LEMON）参与者。通过对这些参与者进行扩散加权成像（DWI）、静息态功能磁共振成像（rs - fMRI）、磁化传递成像等多种脑成像技术，获取大脑结构和功能信息。利用储层计算（reservoir computing）这一机器学习框架，将大脑解剖网络视为储层计算机，模拟随机时变信号在大脑解剖连接中的传播，以此评估大脑网络的计算记忆容量。同时，运用深度学习模型，如多层感知器（MLP），来预测个体年龄和区分年轻与老年个体。
研究结果主要体现在以下几个方面：
- 评估大脑记忆容量：研究人员运用储层计算模拟信号在大脑解剖网络中的传播，记录大脑区域的活动序列，训练网络输出以重现延迟的输入信号。通过皮尔逊相关系数衡量预测信号与延迟输入信号的相似性，计算记忆容量。他们发现网络在小延迟（1 - 5 步）时能几乎完美记忆输入信号，因此重点分析延迟在 6 - 35 步时的记忆容量。
- 衰老过程中的记忆容量变化：将样本按年龄分为年轻（18 - 53 岁）和老年（54 - 88 岁）两组，对比不同网络密度下的记忆容量。结果表明，老年个体的连接组计算记忆容量显著低于年轻个体，且这种差异在网络密度较高时更为明显。进一步分析发现，额叶和顶叶区域的计算记忆容量随年龄下降最为显著，而海马旁回和颞横回等少数区域的记忆容量与年龄呈正相关。利用多层感知器深度学习模型，研究人员发现计算记忆容量能高精度预测个体年龄，真实年龄与预测年龄的相关性高达 0.78。
- 记忆容量与神经影像测量及认知的关联：研究发现，全局和区域记忆容量与大脑结构完整性和功能激活的测量指标相关。在功能连接方面，全局记忆容量与多个功能网络的功能连接呈正相关，如双侧枕叶皮层的内侧和外侧视觉网络、双侧中央前回和额上回的感觉运动网络等。在白质完整性方面，全局记忆容量与多个白质束的分数各向异性（FA）值呈正相关，如双侧上纵束、胼胝体膝部和压部等。在蓝斑（locus coeruleus，LC）方面，区域记忆容量与年龄在预测蓝斑信号强度时存在显著交互作用，较高的记忆容量与蓝斑强度随年龄的下降较慢相关。通过偏最小二乘法回归分析，研究人员还发现较高的全局和区域记忆容量与更好的认知表现相关，不同认知领域与特定脑区的记忆容量相关，如全局认知与枕叶中部和下部、舌回等区域的区域记忆容量相关；记忆与全局记忆容量以及枕叶中部、直回等区域的区域记忆容量相关。
- 在独立队列中的重复验证：在 LEMON 队列中，研究人员再次验证了老年个体的全局记忆容量在整个密度范围内均低于年轻个体，且在高密度时差异更大。利用深度学习模型进行分类，该模型能以 0.908 的平均 AUC 值准确区分年轻和老年个体，正确分类率分别为年轻个体 92.7%，老年个体 80.3%。
研究结论和讨论部分指出，该研究从全新视角探索记忆，将大脑解剖网络的计算记忆容量作为研究对象，发现其随年龄下降，且与大脑结构、功能和认知表现密切相关。这一发现表明，计算记忆容量可作为衰老的重要成像生物标志物，为研究大脑衰老和年龄相关疾病开辟了新途径。不过，研究也存在一定局限性，如使用的是横断面数据，无法确定因果关系，且未测试区域依赖性激活函数。但总体而言，该研究为后续纵向研究以及构建更复杂模型奠定了基础，有望推动神经科学领域对大脑衰老机制的深入理解，为相关疾病的早期诊断和干预提供新的理论依据和潜在靶点。
