年龄是视神经脊髓炎谱系障碍（NMOSD）和多发性硬化（MS）这两种中枢神经系统炎性脱髓鞘疾病疾病进展疾病的主要独立标志。所谓的“大脑年龄”是为了确定大脑的生物年龄而设计的，通过分析MRI扫描给定大脑扫描与一系列健康个体扫描图像的相似性。机器学习技术可以根据神经预测成像特征一个人的大脑年龄，提供了一种新的方法来研究与正常大脑年龄的偏差。与日历年龄相比，脑年龄可能为了解NMOSD和复发缓解型MS（RRMS）的疾病影响提供更全面的信息。

大脑年龄差距（BAG）是日历年龄和预测大脑年龄之间的差异。因此，BAG代表与预期健康老化轨迹的偏差。这一MRI生物标志物整合了整个大脑与衰老过程相关的结构变化。先前的研究表明，BAG与各种临床风险因素相关，可用于各种神经和精神疾病（包括MS.7）的风险分层。然而，没有人研究NMOSD患者的BAG及其理解和预测扩展残疾状态量表（EDSS）恶化的能力。在这项研究中，使用了一个新的深度学习脑年龄模型来研究BAG作为神经成像生物标志物在大的多中心数据集中预测NMOSD和RRMS中EDSS恶化的作用。本文发表在《神经病学，神经外科学和精神病学杂志》上（Journal of Neurology, Neurosurgery & Psychiatry）。

回顾性收集了2009年11月至2018年4月期间来自中国六家三级神经中心的NMOSD和RRMS患者的数据。在每个中心，具有脱髓鞘疾病专业知识的当地神经学家对参与者进行了临床评估、诊断、治疗和随访评估。EDSS恶化定义为EDSS评分增加。深度学习脑年龄的训练数据包括来自健康对照组（HCs，n=9794）的MRI扫描，这些数据来自公开可用的数据集。13名患者以及一组健康人在北京天坛医院进行了扫描。训练后，该模型在另外两个独立的数据集上进行了测试。内部验证数据包括2020年1月至4月在北京天坛医院使用两台不同扫描仪扫描的另一组健康参与者（n=462）。外部验证数据集包括来自多中心NMOSD和MS队列的HC（n=267）。

每次扫描的年龄由以下两种方法之一确定：（1）数据集所有者提供的人口统计数据（以年为单位）；（2） 根据出生日期和DICOM元数据中记录的图像采集日期之间的差异计算，以天为单位并转换为年。使用FreeSurfer软件包（V.6.0.0）中的自动重新配置程序进行脑容量分割。通过除以估计的颅内总容量来计算总脑容量并将其归一化。构建了一个3D CNN，称为3D简单完全卷积神经网络（SFCN）网络。BAG是通过从预测的大脑年龄中减去时间年龄来计算的，BAG为正值表示大脑看起来更老。

在视神经脊髓炎谱系疾病（NMOSD）、多发性硬化症（MS）和健康对照（HC）中，深度学习衍生的大脑年龄与时间年龄的关系

NMOSD组（5.4±8.2岁）和RRMS组（13.0±14.7岁）的BAG明显高于健康对照组。两组患者的基线残疾评分较高和晚期脑容量损失与BAG增加相关。RRMS患者病程延长与BAG增加相关。BAG显著预测NMOSD和RRMS患者的扩展残疾状态量表恶化。表明其作为早期分诊、分层随访管理和临床试验登记的非侵入性生物标志物具有额外的临床价值。BAG作为加速老化的综合生物标志物已被广泛研究。在痴呆症、癫痫和创伤性脑损伤中观察到BAG增加。本研究首次报告了BAG在NMOSD中的意义以及NMOSD和RRMS之间的差异。 本研究发现NMOSD患者的BAG为5.4（95%可信区间为4.3至6.5）年，虽然低于RRMS，但与HC相比仍显著。NMOSD中BAG增加的程度与癫痫（4.5年）和创伤性脑损伤（4.7年）中报道的相似。

总之，与HCs相比，NMOSD显示出显著的BAG，尽管不如RRMS显著。BAG是NMOSD和RRMS中EDSS恶化的预测生物标志物。