मस्तिष्क की "कार्यात्मक छाप" जीवन भर अपने पहचानकर्ता के रूप में काम कर सकती है।

अद्वितीय न्यूरोलॉजिकल "कार्यात्मक छाप" वैज्ञानिकों को आनुवांशिकी, पर्यावरण और उम्र बढ़ने के बीच मस्तिष्क कनेक्शन की संरचना पर प्रभावों का अध्ययन करने की अनुमति देता है

ओरेका इंस्टीट्यूट ऑफ हेल्थ एंड साइंस के एक शोधकर्ता और प्रयोगशाला प्रबंधक, मिकेला कॉर्डोवा, विमुद्रीकरण के साथ शुरू होता है: अंगूठियां, घड़ियां, गैजेट्स और अन्य धातु के स्रोतों को हटाता है, भूले हुए वस्तुओं के लिए जेब की जांच करता है, जो वह कहती है, "मैं अंदर उड़ सकता हूं।" फिर वह स्कैनर के साथ कमरे में प्रवेश करती है, बिस्तर उठाती है और कम करती है, देखने की खिड़की और आईपैड कैमरा की दिशा में लगभग सेंसर के साथ उसके सिर पर तरंगें होती हैं, जो इस आभासी दौरे की अनुमति देती है (मैं देखता हूं कि मैसाचुसेट्स में हजारों किलोमीटर की दूरी से क्या हो रहा है)। एमआरआई स्कैनर में निर्मित माइक्रोफोन से उसकी आवाज़ थोड़ी विकृत होती है, जो कि मेरे थोड़े धुंधले बिंदु से, एक औद्योगिक पाइप की तरह नहीं दिखती है, बल्कि एक चमकदार नीले मुंह वाले जानवर की तरह है। मैं मदद नहीं कर सकता, लेकिन लगता है कि यह डरावना विवरण उसके विशिष्ट ग्राहकों के दिलों में गूंज सकता है।

कॉर्डोबा बच्चों के साथ काम करता है, उनके डर को शांत करता है, उन्हें स्कैनर में जाने में मदद करता है और इससे बाहर निकलता है, उन्हें एक प्रकार का शब्द, पिक्सर कार्टून और मिठाई के वादे के साथ बहलाता है ताकि वे अपने फिडिंग को कम कर सकें। ये बच्चे मस्तिष्क के तंत्रिका कनेक्शन को चिह्नित करने के उद्देश्य से एक अध्ययन में भाग ले रहे हैं।

मस्तिष्क क्षेत्रों के बीच शारीरिक संबंध के सेट को "कनेक्शन" के रूप में जाना जाता है, और वह है जो अन्य प्रजातियों के लोगों को एक संज्ञानात्मक दृष्टिकोण से अलग करता है। लेकिन इसके अलावा, ये कनेक्शन हमें एक दूसरे से अलग करते हैं। अब वैज्ञानिक न्यूरोइमेजिंग और मशीन लर्निंग को समझ रहे हैं कि कैसे व्यक्तियों के दिमाग की संरचना और कार्य समान होते हैं और वे कैसे भिन्न होते हैं, और यह जानने के लिए कि आनुवांशिकी और पर्यावरण के प्रभाव में समय के साथ किसी विशेष मस्तिष्क में परिवर्तनों की भविष्यवाणी कैसे करें।

सहयोगी प्रोफेसर डेमियन फेयर के मार्गदर्शन में, जहां कॉर्डोबा काम करता है, प्रयोगशाला एक कार्यात्मक कनेक्शन में लगी हुई है - मस्तिष्क के क्षेत्रों का एक नक्शा जो कुछ कार्यों और व्यवहार को प्रभावित करता है। फेयर ने व्यक्तित्व के विशिष्ट तंत्रिका कनेक्शन का नाम गढ़ा: एक कार्यात्मक छाप। उंगलियों के निशान की तरह, प्रत्येक व्यक्ति के पास अपने स्वयं के कार्यात्मक उंगलियों के निशान हैं और एक अद्वितीय पहचानकर्ता के रूप में काम कर सकते हैं।

फेयर ने कहा, "मैं अपनी पांच साल की बेटी से फिंगरप्रिंट ले सकता हूं और पता लगा सकता हूं कि जब वह 25 साल की होगी, तब भी फिंगरप्रिंट उसी का है।" और यद्यपि उसकी उंगली बढ़ सकती है, किसी तरह उम्र और अनुभव के साथ बदल सकती है, "इसके मुख्य संकेत कहीं भी नहीं जाएंगे।" उसी तरह, फेयर प्रयोगशाला का काम बताता है कि किसी व्यक्ति के कार्यात्मक कनेक्शन का सार एक पहचानकर्ता के रूप में इस्तेमाल किया जा सकता है, और यह कि जीवन के दौरान सामान्य मस्तिष्क परिवर्तन को सिद्धांत रूप में भविष्यवाणी की जा सकती है।

एक कार्यात्मक कनेक्शन की परिभाषा, ट्रैकिंग और मॉडलिंग से पता चल सकता है कि मस्तिष्क संरचना मानव व्यवहार को कैसे प्रभावित करती है, और, कुछ मामलों में, कुछ न्यूरोसाइकियाट्रिक रोगों की उपस्थिति की ओर जाता है। ऐसा करने के लिए, फेयर और टीम कनेक्शन में पैटर्न की खोज में स्कैन, अध्ययन और केस इतिहास से डेटा के माध्यम से व्यवस्थित रूप से कंघी करते हैं।

कनेक्शन की विशेषता

पारंपरिक कार्यात्मक कनेक्टिविटी लेबलिंग तकनीक एक समय में मस्तिष्क के सिर्फ दो क्षेत्रों पर ध्यान केंद्रित करती है, इन क्षेत्रों में गतिविधि में परिवर्तन के बीच सहसंबंधों को देखने के लिए एमआरआई का उपयोग करती है। एक साथ बदलते संकेतों वाले मस्तिष्क के क्षेत्रों को 1 अंक प्राप्त होता है। यदि सिग्नल एक सेक्शन में बढ़ता है और दूसरे में घटता है, तो यह -1 पॉइंट है। यदि साइटों के बीच कोई संबंध नहीं है, तो यह 0 अंक है।


बाएं से दाएं: मिशेला कॉर्डोबा, ऑस्कर मिरांडा डोमिंगुएज और डेमियन फेयर

इस दृष्टिकोण की अपनी सीमाएँ हैं। उदाहरण के लिए, वह स्वतंत्र रूप से दूसरों के मस्तिष्क क्षेत्रों की एक चयनित जोड़ी पर विचार करता है, हालांकि उनमें से प्रत्येक संभवतः पड़ोसी क्षेत्रों से आने वाले डेटा पर निर्भर करता है, और ये अतिरिक्त डेटा किसी भी जोड़ी के सच्चे कार्यात्मक संबंधों को मुखौटा कर सकते हैं। इन धारणाओं से परे जाने के लिए, मस्तिष्क के सभी हिस्सों के एक साथ संचार का अध्ययन करना आवश्यक था, न कि उनमें से कुछ नमूने, और उनके कनेक्शनों में व्यापक और अधिक जानकारीपूर्ण पैटर्न खोजने के लिए जिन्हें हमने अन्यथा ध्यान नहीं दिया होगा।

2010 में, फेयर ने विज्ञान में प्रकाशित एक काम को मशीन लर्निंग और एमआरआई स्कैन के उपयोग के साथ-साथ दिए गए मस्तिष्क की आयु निर्धारित करने के लिए सभी जुड़े हुए जोड़ों को ट्रैक करने के लिए स्कैन किया। और हालांकि यह एकमात्र टीम नहीं थी जिसने एक साथ कई संचार चैनलों के पैटर्न का विश्लेषण किया, उनके काम ने अनुसंधान समुदाय में एक सक्रिय चर्चा उत्पन्न की, क्योंकि किसी व्यक्ति की आयु निर्धारित करने के लिए इन पैटर्नों का उपयोग करना सबसे पहले था।

चार साल बाद, एक ऐसे काम में, जिसमें "कार्यात्मक छाप" वाक्यांश गढ़ा गया था, फेयर टीम ने एक कार्यात्मक कनेक्शन को चिह्नित करने और न केवल एक से आने वाले संकेतों के आधार पर व्यक्तिगत मस्तिष्क क्षेत्रों की गतिविधि की भविष्यवाणी करने का अपना तरीका विकसित किया, लेकिन एक दूसरे के साथ संयोजन में अन्य सभी क्षेत्रों से।

उनके सरल रैखिक मॉडल में, मस्तिष्क के एक क्षेत्र की गतिविधि अन्य सभी क्षेत्रों के कुल योगदान के बराबर होती है, जिनमें से प्रत्येक विचार के तहत मस्तिष्क के दो क्षेत्रों के बीच संबंधों की ताकत के अनुसार अपना वजन प्राप्त करता है। मस्तिष्क क्षेत्रों में से प्रत्येक के संपर्क में सापेक्ष योगदान द्वारा एक सापेक्ष कार्यात्मक छाप बनाई जाती है। उच्च गुणवत्ता वाले एमआरआई चित्रों के आधार पर रैखिक मॉडल बनाने के लिए शोधकर्ताओं को प्रति व्यक्ति केवल 2.5 मिनट की आवश्यकता थी।

उनकी गणना के अनुसार, लगभग 30% कनेक्शन व्यक्ति के लिए अद्वितीय है। अध्ययन की गई अधिकांश साइटें आमतौर पर उच्च-स्तरीय कार्यों का प्रबंधन करती हैं, जिनमें संवेदी, मोटर, या दृश्य जैसे सरल कार्यों की तुलना में संज्ञानात्मक प्रसंस्करण - सीखने, स्मृति और ध्यान की आवश्यकता होती है।

यह तथ्य कि ये साइटें लोगों के बीच बहुत भिन्न हैं, समझ में आता है, फेयर ने समझाया, क्योंकि उच्च-स्तर के कार्यों को नियंत्रित करने वाले क्षेत्र, वास्तव में, हमें वही बनाते हैं जो हम हैं। वास्तव में, मस्तिष्क क्षेत्र जैसे कि ललाट और पार्श्विका लोब विकास के अंतिम चरण में दिखाई दिए, और आधुनिक मनुष्य के आगमन के साथ बढ़े।

"यदि आप सोचते हैं कि लोगों के सामान्य रूप से क्या होने की संभावना है - यह स्पष्ट रूप से कुछ सरल कार्य होंगे," फेयर ने कहा, "जिस तरह से मैं अपने हाथों को स्थानांतरित करता हूं या दृश्य जानकारी कैसे संसाधित होती है।" ये क्षेत्र मानव आबादी में इतने भिन्न नहीं हैं।


स्पेक्ट्रम के नीले हिस्से के करीब - विभिन्न लोगों के बीच कम विविधताएं, लाल के करीब - अधिक भिन्नताएं

मस्तिष्क के विभिन्न हिस्सों की गतिविधि के अनूठे पैटर्न को ध्यान में रखते हुए, मॉडल पहले के दो सप्ताह बाद किए गए नए स्कैन के आधार पर एक व्यक्ति को निर्धारित कर सकता है। लेकिन मानव जीवन के संबंध में कुछ हफ़्ते क्या हैं? फेयर और टीम ने इस बारे में सोचना शुरू किया कि क्या किसी व्यक्ति की कार्यात्मक छाप सालों या पीढ़ियों तक मौजूद रह सकती है।

यदि शोधकर्ता किसी व्यक्ति की कार्यात्मक छाप की तुलना उसके करीबी रिश्तेदारों के छापों से कर सकते हैं, तो वे हमारे तंत्रिका संबंध बनाने वाले आनुवंशिक और पर्यावरणीय प्रभावों के बीच अंतर करने में सक्षम होंगे।

ट्रैकिंग तंत्रिका विरासत

जीन और मस्तिष्क संगठन के बीच संबंध स्थापित करने में पहला कदम यह निर्धारित करना है कि कनेक्शन के कौन से पहलू एक ही परिवार के सदस्यों के बीच आम हैं। बारीकियां हैं - यह ज्ञात है कि रिश्तेदारों की मस्तिष्क संरचनाएं सफेद पदार्थ की मात्रा, आकार और अखंडता में समान हैं, लेकिन इसका मतलब यह नहीं है कि इन संरचनाओं के बीच बांड की संरचना समान है। चूँकि कुछ मानसिक बीमारियाँ एक परिवार की विशेषता होती हैं, निष्पक्ष संबंधों की पहचान करने की निष्पक्ष इच्छा अंततः मस्तिष्क और जीन के उन हिस्सों को अलग करने में मदद कर सकती है जो कुछ बीमारियों के जोखिम को बढ़ाते हैं।

जैसा कि उन्होंने जून में प्रकाशित एक पत्र में लिखा था, प्रयोगशाला ने मशीन सीखने के लिए एक मंच बनाने के लिए सेट किया जो इस सवाल का जवाब दे सकता है कि क्या मस्तिष्क के विभिन्न हिस्सों के बीच संबंध यादृच्छिक लोगों की तुलना में रिश्तेदारों के बीच समान हैं।

शोधकर्ताओं ने किशोरावस्था के दौरान संयोजिका की सापेक्ष स्थिरता को सत्यापित करने के लिए, बच्चों की छवियों सहित इस बार, मस्तिष्क छवियों के एक नए सेट पर अपने रैखिक मॉडल को डबल-चेक किया। और यह पता चला कि कई वर्षों में मस्तिष्क के विकास के दौरान होने वाले तंत्रिका कनेक्शन में परिवर्तन के बावजूद, यह मॉडल वास्तव में व्यक्तियों की पहचान के लिए पर्याप्त संवेदनशील है।

मस्तिष्क सर्किट पर आनुवंशिकी और पर्यावरण के प्रभावों का अध्ययन एक क्लासिफायरियर के साथ शुरू हुआ - एक छँटाई एल्गोरिथ्म जो विषयों को दो समूहों में विभाजित करता है, "रिश्तेदार" और "गैर-रिश्तेदार", उनके कार्यात्मक छापों के आधार पर। मॉडल को ओरेगन से बच्चों पर प्रशिक्षित किया गया था, और फिर बच्चों के डेटा के एक और सेट पर, साथ ही एक अन्य नमूने पर जांच की गई, जिसमें मानव संयोजी परियोजना के वयस्क शामिल थे।


मानव संयोजी परियोजना के ढांचे में प्राप्त मस्तिष्क क्षेत्रों के बीच शारीरिक संबंध की छवियों में से एक

इस बारे में कि कोई व्यक्ति आंखों के रंग, बालों का रंग और विकास जैसे भौतिक संकेतों के आधार पर लोगों के बीच संबंध कैसे स्थापित कर सकता है, इसलिए क्लासिफायर ने तंत्रिका कनेक्शन के आधार पर एक समान प्रक्रिया का संचालन किया। यह पता चला कि कार्यात्मक छापें समान जुड़वा बच्चों के लिए सबसे समान हैं , फिर अविवाहित जुड़वाँ, फिर साधारण भाइयों और बहनों के बीच मतभेद बढ़ जाते हैं, और अंत में, उन लोगों के बीच जो पारिवारिक संबंधों से जुड़े नहीं हैं।

फेयर प्रयोगशाला के एक कर्मचारी और अध्ययन के पहले लेखक, एसोसिएट प्रोफेसर ऑस्कर मिरांडा-डोमिन्गेज़ इस बात से हैरान थे कि वे बच्चों में प्रशिक्षित किए गए मॉडलों का उपयोग करके वयस्क रिश्तेदारों की पहचान करने में सक्षम थे। वयस्क-प्रशिक्षित मॉडल ऐसा नहीं कर सकते थे - शायद इसलिए क्योंकि वयस्क प्रणालियां पहले से ही पूरी तरह से विकसित हैं और उनकी विशेषताएं युवा, विकासशील मस्तिष्क की तुलना में कम सामान्यीकृत हैं। मिरांडा ने कहा, "बढ़ते डेटा सेट और आयु सीमा के बाद के अध्ययन बड़े होने के मुद्दों को स्पष्ट कर सकते हैं।"

परिवार के सदस्यों के बीच छोटे अंतर को पहचानने की मॉडल की क्षमता, काफी उल्लेखनीय रही, क्योंकि शोधकर्ताओं ने क्लासिफायर को रिश्तेदारी की अलग-अलग डिग्री के बजाय "रिश्तेदारों" या "गैर-रिश्तेदारों" की खोज करने के लिए प्रशिक्षित किया (उनका 2014 मॉडल इन निहित अंतरों को पहचानने में सक्षम था। , लेकिन अधिक पारंपरिक सहसंबंध दृष्टिकोण विफल)।

यद्यपि उनके जुड़वाँ का नमूना आनुवांशिकी और पर्यावरण के प्रभावों के बीच के अंतरों को समझने के लिए पर्याप्त नहीं था, लेकिन फेयर का कहना है कि "इसमें कोई संदेह नहीं है" कि उत्तरार्द्ध कार्यात्मक छाप को आकार देने में एक बड़ी भूमिका निभाता है। लेख के अलावा, एक मॉडल का वर्णन किया गया था जो सामान्य पर्यावरण को सामान्य आनुवंशिकी से अलग कर सकता है, लेकिन पर्याप्त रूप से बड़े डेटा सेट के बिना, टीम अभी भी अंतिम निष्कर्ष निकालने से सावधान है। "हम जो देखते हैं, उनमें से अधिकांश आनुवांशिकी के बारे में अधिक है, और पर्यावरण के बारे में कम है," फेयर ने कहा, "लेकिन आप यह नहीं कह सकते कि पर्यावरण का कनेक्टिविटी पर अधिक प्रभाव नहीं है।"

एक सामान्य वातावरण और सामान्य आनुवंशिकी के योगदान को अलग करने के लिए, मिरांडा का कहना है, "आप उदाहरण के लिए, मस्तिष्क के गुण पा सकते हैं जो अपने गर्भाशय जुड़वा बच्चों से समान जुड़वाँ को अलग करते हैं, क्योंकि जुड़वाँ दोनों प्रजातियां एक समान वातावरण साझा करती हैं, लेकिन केवल समान जुड़वां आनुवंशिक योगदान साझा करते हैं।"

यद्यपि उनके द्वारा अध्ययन किए गए सभी तंत्रिका सर्किट, रिश्तेदारों के बीच समानता के एक निश्चित स्तर को प्रदर्शित करते हैं, उच्च क्रम प्रणाली सबसे विरासत में मिली थी। ये वही साइटें थीं जो चार साल पहले किए गए एक अध्ययन में रिश्तेदारों के बीच सबसे बड़ा अंतर दिखाती थीं। जैसा कि मिरांडा ने कहा, ये साइट सामाजिक सहभागिता के लिए जिम्मेदार व्यवहार को नियंत्रित करती हैं, संभवतः "पारिवारिक विशेषताओं" को पूर्व निर्धारित करती है। परिवार की सुविधाओं की सूची में, उच्च रक्तचाप, गठिया और मायोपिया के तुरंत बाद, आप "वितरित मस्तिष्क गतिविधि" जोड़ सकते हैं।

मस्तिष्क द्वारा भविष्यवाणी की गई उम्र के संकेत की तलाश में

जबकि फेयर और मिरांडा ओरेगन में एक कार्यात्मक कनेक्टिविटी के आनुवंशिक आधार का वर्णन करते हैं, किंग्स कॉलेज लंदन के एक शोधकर्ता जेम्स कोल न्यूरोइमेजिंग और मशीन लर्निंग का उपयोग करके मस्तिष्क की उम्र की आनुवंशिकता को कम करने पर काम कर रहे हैं। फेयर की टीम अपने क्षेत्रों के बीच कार्यात्मक कनेक्शन के मामले में मस्तिष्क की आयु निर्धारित करती है, और कोल इसे शोष के सूचकांक के रूप में मानता है - समय के साथ मस्तिष्क का एक संपीड़न। वर्षों से, कोशिकाएं सूख जाती हैं या मर जाती हैं, तंत्रिका की मात्रा कम हो जाती है, और खोपड़ी नहीं बदलती है, और मुक्त स्थान मस्तिष्कमेरु द्रव से भर जाता है। एक अर्थ में, विकास के एक निश्चित चरण के बाद, मस्तिष्क सूखने से गुजरता है।

2010 में, जब फेयर ने विज्ञान में एक प्रभावशाली कार्य प्रकाशित किया, जिसने मस्तिष्क की आयु निर्धारित करने के लिए fMRI डेटा का उपयोग करने के लिए उत्साह की लहर उकसाया, कोल के सहयोगियों में से एक ने एक समान परियोजना का नेतृत्व किया, जिसके परिणाम न्यूरोइमेज में प्रकाशित हुए। उन्होंने शारीरिक डेटा का उपयोग किया, क्योंकि मस्तिष्क के कथित और कालानुक्रमिक युग ("मस्तिष्क की अंतराल आयु") के बीच अंतर जैविक रूप से सूचनात्मक हो सकता है।

कोल के अनुसार, हर व्यक्ति, हर मस्तिष्क और यहां तक ​​कि हर प्रकार की कोशिका पर उम्र का थोड़ा अलग प्रभाव पड़ता है। उम्र बढ़ने का यह मोज़ेक अभी भी अज्ञात है, लेकिन कोल का कहना है कि एक मायने में हम अभी भी नहीं जानते कि उम्र बढ़ने के सिद्धांत में क्या है। समय के साथ जीन की अभिव्यक्ति बदलती है, जैसा कि चयापचय, कोशिका कार्य और कोशिका परिवर्तन करता है। हालांकि, अंगों और कोशिकाओं को स्वतंत्र रूप से बदल सकते हैं; कोई एकल जीन या हार्मोन नहीं है जो पूरी उम्र बढ़ने की प्रक्रिया को नियंत्रित करता है।


जेम्स कोल

हालांकि यह आम तौर पर स्वीकार किया जाता है कि विभिन्न लोग अलग-अलग गति से उम्र लेते हैं, यह विचार कि एक ही व्यक्ति के अलग-अलग पहलू अलग-अलग हो सकते हैं, अधिक विवादास्पद लगता है। जैसा कि कोल ने बताया, उम्र को मापने के कई तरीके हैं, लेकिन अभी तक कुछ की तुलना या संयुक्त किया गया है। शायद कई अलग-अलग मानव ऊतकों की खोज करके, वैज्ञानिक उम्र के अधिक सामान्यीकृत अनुमान को विकसित करने में सक्षम होंगे। इस यात्रा की शुरुआत में कोल का काम है, मस्तिष्क के ऊतकों की छवियों की खोज करना।

कोल के दृष्टिकोण का सैद्धांतिक मंच अपेक्षाकृत सीधा है: स्वस्थ लोगों पर एल्गोरिदम डेटा फ़ीड करें, ताकि वह शारीरिक डेटा का उपयोग करके मस्तिष्क की उम्र की भविष्यवाणी करना सीखें, और फिर मस्तिष्क की उम्र से विषयों के कालानुक्रमिक युग को घटाते हुए एक नए नमूने पर मॉडल का परीक्षण करें। यदि उनके मस्तिष्क की उम्र कालानुक्रमिक से ऊपर है, तो यह उम्र से संबंधित परिवर्तनों के संचय को इंगित करता है, संभवतः अल्जाइमर जैसी बीमारियों से जुड़ा हुआ है।

2017 में, कोल ने प्रत्येक प्रतिभागी के मस्तिष्क की आयु बनाने के लिए गॉसियन प्रोसेस रिग्रेसन (जीपीआर) का उपयोग किया । इसने उन्हें अन्य मौजूदा लोगों के साथ उम्र के अपने अनुमानों की तुलना करने की अनुमति दी, उदाहरण के लिए, अध्ययन के साथ जीनोम के कुछ हिस्सों को चालू और बंद किया जाता है जब मिथाइल समूहों को अलग-अलग उम्र में जोड़ा जाता है। डीएनए मिथाइलेशन जैसे बायोमार्कर का उपयोग पहले से ही मृत्यु दर का अनुमान लगाने के लिए किया गया है, और कोल को संदेह है कि मस्तिष्क की आयु का उपयोग इसके लिए किया जा सकता है।

दरअसल, जिन व्यक्तियों का मस्तिष्क कालानुक्रमिक आयु से अधिक पुराना था, वे खराब शारीरिक और संज्ञानात्मक स्वास्थ्य के कारण अधिक जोखिम में थे। कोल को यह जानकर आश्चर्य हुआ कि न्यूरोइमेजिंग डेटा से प्राप्त मस्तिष्क की उच्च आयु हमेशा मिथाइल के उच्च आयु के साथ संबंध नहीं रखती है। हालांकि, यदि दोनों उम्र विषय में उच्च पाए गए, तो उनकी मृत्यु दर का खतरा बढ़ गया था।

उस वर्ष बाद में, कोल और उनके सहयोगियों ने डिजिटल न्यूरल नेटवर्क का उपयोग करके अपने काम का विस्तार किया , यह जांचने के लिए कि क्या समान जुड़वा बच्चों के मस्तिष्क की उम्र पूर्व जन्मों की तुलना में एक दूसरे के करीब होगी। एमआरआई छवियों से डेटा लिया गया, जिसमें नाक, कान, जीभ, रीढ़ की हड्डी के साथ पूरे सिर की छवियां शामिल हैं, और कुछ मामलों में, गर्दन के चारों ओर वसा। न्यूनतम पूर्व उपचार के बाद, उन्हें तंत्रिका नेटवर्क द्वारा खिलाया गया, जो प्रशिक्षण के बाद मस्तिष्क की उम्र का अनुमान लगाने में सक्षम थे। आनुवांशिकी के प्रभाव के बारे में परिकल्पना की पुष्टि करते हुए, समान जुड़वां बच्चों के मस्तिष्क की उम्र नीरस जुड़वा बच्चों की तुलना में कम थी।

हालांकि ये परिणाम बताते हैं कि मस्तिष्क की उम्र आनुवांशिकी द्वारा सबसे अधिक निर्धारित होती है, कोल ने चेतावनी दी है कि पर्यावरणीय प्रभावों को अस्वीकार नहीं किया जाना चाहिए। "भले ही आप आनुवांशिक रूप से अपने मस्तिष्क को वृद्ध बनाने के लिए पूर्वनिर्धारित हैं," उन्होंने कहा, "संभावना है कि यदि आप पर्यावरण बदलते हैं, तो यह आनुवंशिकी द्वारा किए गए नुकसान को पूरी तरह से कम करने में आपकी मदद करेगा।"

मस्तिष्क की उम्र का आकलन करने में तंत्रिका नेटवर्क की मदद की कमियां हैं - कम से कम आज के लिए। तंत्रिका नेटवर्क एमआरआई डेटा के माध्यम से झारते हैं और व्यक्तियों के बीच अंतर पाते हैं, जबकि शोधकर्ता अभी तक निश्चित नहीं हैं कि विषय के लिए कौन से अंतर प्रासंगिक हैं। लेकिन गहरी शिक्षा का एक सामान्य दोष यह है कि कोई भी नहीं जानता है कि तंत्रिका नेटवर्क द्वारा निर्धारित डेटा की क्या विशेषताएं पहचानती हैं।कच्ची एमआरआई छवियों में, पूरा सिर दिखाई देता है, इसलिए कोल स्वीकार करते हैं कि शायद हम "सिर की उम्र पूरी तरह से" के बारे में बात कर सकते हैं, न कि मस्तिष्क की उम्र के बारे में। उन्होंने कहा कि उन्हें पहले ही बताया गया था कि व्यक्ति की नाक समय के साथ बदलती है, इसलिए यह कैसे निर्धारित किया जाए कि एल्गोरिथ्म वास्तव में इस सुविधा को ट्रैक नहीं करता है?

लेकिन कोल को यकीन है कि इस मामले में ऐसा नहीं है, क्योंकि उनके तंत्रिका नेटवर्क ने कच्चे डेटा और छवियों के साथ दोनों समान रूप से अच्छी तरह से काम किया है जिसमें मस्तिष्क के बाहर सिर की सभी विशेषताओं को हटा दिया गया था। वह उम्मीद करता है कि तंत्रिका नेटवर्क क्या कर रहा है, यह समझने से वास्तविक लाभ वास्तव में यह समझने से प्राप्त किया जा सकता है कि मस्तिष्क के कौन से हिस्से उसकी आयु के आकलन को प्रभावित करते हैं।


टोबियास कॉफ़मैन

यूनिवर्सिटी ऑफ ओस्लो में नॉर्वेजियन सेंटर फॉर मेंटल इलनेस रिसर्च के एक शोधकर्ता टोबियास कॉफमैन ने सुझाव दिया कि मस्तिष्क की उम्र का अनुमान लगाने के लिए इस्तेमाल की जाने वाली मशीन सीखने की तकनीकों का बहुत कम मूल्य है यदि मॉडल को ठीक से प्रशिक्षित और ट्यून किया गया है। विभिन्न एल्गोरिदम के परिणाम आमतौर पर मेल खाते हैं, जैसा कि कोल ने खोजा था, एक तंत्रिका नेटवर्क के साथ जीपीआर एल्गोरिदम के परिणामों की तुलना करता है।

कॉफ़मैन के अनुसार, अंतर यह है कि कोल की गहन प्रशिक्षण पद्धति एमआरआई के साथ समय लेने वाली और समय लेने वाली प्रारंभिक डेटा प्रसंस्करण की आवश्यकता को समाप्त करती है। इस कदम को कम करने से किसी दिन क्लीनिक में निदान में तेजी आएगी, लेकिन अभी तक यह वैज्ञानिकों को कच्चे डेटा के पूर्वाग्रह के प्रभाव से बचा रहा है।

डेटा सेट में वृद्धि से अधिक जटिल भविष्यवाणियों की अनुमति मिल सकती है, उदाहरण के लिए, मानसिक स्वास्थ्य से संबंधित पैटर्न निर्धारित करने के लिए। इसलिए, कॉफमैन ने कहा, बिना रूपांतरण और कटौती के, डेटा सेट में पूरी जानकारी होना, विज्ञान की मदद कर सकता है। "मुझे लगता है कि यह गहरी सीखने की विधि का एक बड़ा फायदा है।"

कॉफमैन काम के प्रमुख लेखक हैं, जो अब एक विशेषज्ञ मूल्यांकन से गुजर रहा है, जो चित्रों द्वारा मस्तिष्क की उम्र के अब तक के सबसे बड़े अध्ययन का वर्णन करता है। शोधकर्ताओं ने मस्तिष्क की किन क्षेत्रों में मानसिक बीमारी वाले लोगों में उम्र बढ़ने के सबसे स्पष्ट लक्षण दिखाई हैं, यह समझने के लिए संरचित एमआरआई डेटा पर मशीन सीखने का उपयोग किया। फिर उन्होंने अगला कदम उठाया, जांच की कि कौन से जीन स्वस्थ लोगों में मस्तिष्क की उम्र बढ़ने के पैटर्न को निर्धारित करते हैं। वे इस तथ्य में बहुत रुचि रखते थे कि मस्तिष्क की उम्र को प्रभावित करने वाले कई जीन भी इसके काम के व्यापक व्यवधान में शामिल थे, जो, शायद, उनके जैविक विकास पथ की समानता को इंगित करता है।

उन्होंने कहा कि उनका अगला लक्ष्य आनुवांशिकता से परे जाकर मस्तिष्क की शारीरिक रचना और इसके सिग्नलिंग नेटवर्क के निर्धारण में शामिल कुछ तंत्रिका मार्गों और जीनों को स्थापित करना होगा।

हालाँकि कोल की तरह कॉफमैन का दृष्टिकोण भी शरीर रचना पर केंद्रित है, उन्होंने अपने कनेक्शन के संदर्भ में मस्तिष्क की आयु को मापने के महत्व पर जोर दिया। "मुझे लगता है कि ये दोनों दृष्टिकोण बहुत महत्वपूर्ण हैं," उन्होंने कहा। "हमें मस्तिष्क की संरचना और कार्यक्षमता दोनों की आनुवांशिकता और बुनियादी आनुवंशिक संरचना को समझने की आवश्यकता है।"

कोल के पास आगे के शोध विचारों की कोई कमी नहीं है। इसमें कुछ रोमांचक बात है कि हमारी बुद्धिमत्ता को समझने के लिए, हमें कृत्रिम बुद्धिमत्ता का उपयोग करना होगा, और यह इस तरह से स्पष्ट है जिस तरह से हम जीन, मस्तिष्क, व्यवहार और आनुवंशिकता के बीच संबंधों की खोज करते हैं। जब तक, निश्चित रूप से, यह पता चला है कि हम इस समय नाक की उम्र का अध्ययन कर रहे हैं।