物理信息AI揭示大脑隐藏的双速废物清除流

现在，由美国罗切斯特大学（University of Rochester）机械工程系的道格拉斯·凯利（Douglas Kelley）教授领导，联合布朗大学和哥本哈根大学研究人员的国际团队，打破了这一技术屏障。他们在2026年5月发表于《科学进展》期刊的研究中，巧妙地运用了一种名为“物理信息人工智能”的技术，从普通的MRI延时视频中重建出了覆盖全脑的脑脊液流速场和大脑组织的渗透性指标 。最终成果，是第一张大脑“隐形排水管网”的详细蓝图，揭示了一个以两种截然不同速度运行的系统。

技术突破：教会AI流体力学

常规的磁共振成像（MRI）能看到示踪剂染料在大脑中随时间扩散，但无法直接测量其扩散速度，因为这些发生在微观尺度下的流动实在太慢了 。为了克服这个难题，研究团队构建了一系列神经网络，并用染料在脑组织中动态弥散的MRI延时影像来训练它们。这项工作的核心创新在于，他们不仅仅给AI“喂”影像数据，更重要的是，给AI模型施加了流体力学基本方程的约束 。

这种被称为“物理信息神经网络”或“人工智能流速测量”（Artificial Intelligence Velocimetry, AIV）的方法，强制要求模型的预测结果必须遵循物理定律 。这样一来，AI便能从示踪剂的运动中反推出两个以往无法触及的关键参数：流体的局部实时流速和周围脑组织的渗透性（Permeability） 。该方法并非凭空诞生，而是基于该团队前期的研究成果——他们曾用AIV技术成功量化了小鼠血管周围间隙的压力分布、壁面剪切应力和三维流场 。

惊人发现：大脑的“双速”排污系统

AI驱动的重建结果，暴露了大脑类淋巴系统运作中一个鲜明的对比——流速取决于位置 ：

• 脑表层的“高速公路”：在如颅骨与大脑之间的蛛网膜下腔等开阔区域，脑脊液能以每秒几微米的速度高效流动，沿着大脑的主要动脉通路快速穿梭。
• 深层组织的“迷宫小巷”：一旦液体深入大脑的实质（即功能性神经元密集的组织），其移动速度骤然下降，大约只有表层流速的五十分之一，缓慢渗滤 。

这种“双速”结构在生物学上非常合理。大脑的外表面充当了一个高传导性的分配网络，而深层组织则呈现出高液压阻力，迫使液体不得不以涓涓细流的方式挤过狭窄的细胞间隙 。凯利课题组早期的网络模型研究就曾指出，“低阻力血管周围间隙”搭配“高阻力脑实质”，是能够以微小压差驱动流体、充分灌注皮层，并在睡眠期间显著提升流量的唯一组合 。而最新的AI测量数据，首次为这一理论结构提供了直接的活体证据。

速度之外：测量“组织渗透性”的里程碑

在类淋巴系统的研究中，一个重大的隐藏变量就是“组织渗透性”——即脑组织允许液体通过的能力。新的物理信息AI框架，在反推流速的同时，还能通过观察示踪剂的弥散规律，结合物理守恒定律来推算出这项指标 。脑组织渗透性的改变，极有可能成为病理的早期标志。如果脑组织对液流的阻力变得越来越大，大脑的废物清除过程就会停滞。未来，如果能通过MRI无创地测量这一指标，将可能为窥探神经退行性疾病的早期阶段打开一扇全新的窗口。

现实局限：从小鼠到人类的漫漫长路

必须强调的是，目前所有的测量数据都是在动物模型——具体说是小鼠——身上取得的，目的是建立基线参考值 。在人类大脑上进行成像，面临着诸多更大的挑战，包括脑体积更大、扫描时间更长，以及必须使用临床安全的人体示踪剂等一系列问题。研究团队正在积极努力，试图将这项方法适配到人体应用上，但这个临床转化的步伐依然任重道远 。

未来可期的临床应用前景

虽然存在上述限制，但这项技术的远期临床应用潜力依旧相当惊人。有朝一日，仅通过一次常规的MRI扫描就能直接测量类淋巴系统的功能，这可能会彻底改变神经病学领域：

• 阿尔茨海默病的筛查新维度：类淋巴系统主要负责在睡眠期间清除β-淀粉样蛋白 。一旦AI方法能够应用于人体，它或许不仅能测量阿尔茨海默病患者脑内的液体循环是否出现障碍，甚至可以在健康人群中提前筛查出那些脑内“排污”效能低下、有潜在蛋白堆积风险的个体 。
• 创伤性脑损伤与脑震荡评估：脑震荡会扰乱大脑的流体动力学秩序，但目前在临床上缺乏直接测量这种紊乱程度的工具。AIV流速分析框架可以提供一种量化评估手段，来检测头部受伤后类淋巴系统的流动是否受到损害 。
• 衰老机制的研究利器：类淋巴系统的清除功能会随着年龄的增长而自然衰退，这被认为是导致认知功能下降的重要因素 。通过直接对比年轻大脑和衰老大脑的流体流速，研究人员或许能揭开这种衰退背后的物理机制，并探索有效的干预疗法 。

此外，这套方法的应用边界正在不断扩展。该课题组已将其模型拓展到了对时间敏感的动态流场研究中，例如针对示踪剂注射和药物递送在类淋巴网络中的传输过程进行模拟 。这预示着未来该技术还可用于指导大脑靶向药物的精准递送。

物理信息AI正在赋予科学家们前所未有的“透视眼”，让他们首次看清了活体大脑内排污管道是如何工作的。尽管距离临床应用可能尚有数年之遥，但这份“双速”流场图无疑为理解大脑如何进行自我清洁，以及当这套循环系统失灵时会引发怎样的后果，提供了一个坚实的量化基础。