AI拆解大腦「暗渠」：雙速排廢系統首度曝光

技術突破：教AI流體力學定律

傳統 MRI 可以睇到造影劑喺大腦入面擴散，但當移動速度只有每秒幾微米嘅時候，就冇辦法量度到嗰個擴散嘅速度 。為咗克服呢個問題，研究人員建立咗神經網絡，用隨時間追蹤造影劑喺腦組織內擴散嘅 MRI 影片去訓練佢 。關鍵嘅創新係唔單只畀影像數據 AI 睇，仲將流體力學嘅基本方程式一齊輸入畀佢 。

呢種叫做「物理引導神經網絡」或者「人工智能流速測量法」（AIV）嘅方法，會逼使模型嘅預測符合物理定律 。透過咁做，AI 就可以從造影劑嘅移動入面，推斷出兩個以前冇辦法接觸到嘅參數：液體嘅局部流速，同埋周圍腦組織嘅滲透率 。呢項技術係建基於同一個研究團隊較早前用 AIV 去量化老鼠血管周圍空間嘅壓力、血管壁剪切力同三維流速嘅成果 。

發現：雙速排廢系統

由 AI 驅動嘅重建，曝露咗類淋巴系統根據唔同位置，移動液體嘅方式有好大對比 ：

• 表面快流：喺開放區域，例如頭骨同大腦之間嘅蛛網膜下腔，腦脊液以每秒幾微米嘅速度移動，沿住主要動脈「公路」有效率咁清掃。
• 深層慢流：一旦液體滲入大腦緻密嘅實質組織（即係負責功能嘅部份），就會以比表面慢大概 50 倍嘅速度慢慢滲透 。

呢種雙速模式喺生物學上係合理嘅。大腦外層表面係一個高傳導性嘅分配網絡，而深層組織就展現出好高嘅水力阻力，令液體要喺狹窄嘅組織間隙中緩慢過濾 。Kelley 團隊較早前嘅模型研究已經指出，低阻力嘅血管周圍空間配合高阻力嘅實質組織，係唯一能夠用細壓力差驅動類淋巴流動，同時令成個皮層都有良好灌注嘅配置 。依家呢啲新嘅 AI 測量數據，為呢個結構提供咗直接嘅活體證據。

唔止速度：仲量度到組織滲透率

類淋巴研究入面一個主要嘅隱藏變數，就係組織滲透率——即係腦組織容許液體通過嘅容易程度。呢個新嘅物理引導 AI 框架，透過觀察造影劑點樣擴散，再用守恆定律約束解決方案，可以同時推斷出滲透率 。腦組織滲透率嘅改變，可能會係病變嘅早期標記；如果組織對液體流動嘅阻力變大，排廢就會受阻。能夠用非侵入性嘅 MRI 去量度呢個特性，就可能為神經退化性疾病嘅最早階段打開一扇新窗口。

現時限制：由老鼠到人類嘅距離

必須留意嘅係，目前所有嘅測量都係喺動物模型（特別係老鼠）身上進行，目的係建立基線數值 。人類大腦造影面對住顯著嘅額外障礙，包括規模更大、掃描時間更長，同埋需要臨床上安全嘅造影劑。研究人員正積極努力將呢個方法適應到人類應用，但呢個轉化步驟仍然係「進行中嘅工作」 。

未來嘅臨床可能

即使有呢啲限制，長遠嘅臨床可能性仍然好矚目。能夠從一個標準 MRI 掃描直接量度類淋巴功能，有一日可能會改變神經學：

• 腦退化症篩查：類淋巴系統負責喺睡眠期間清除澱粉樣蛋白 。如果呢個 AI 方法可以轉移到人類身上，就有可能量度腦退化症患者嘅腦脊液循環係咪受損，甚至喺斑塊積聚之前，提早篩查出健康人士嘅排廢功能係咪不良 。
• 創傷性腦損傷同腦震盪：腦震盪可以干擾大腦嘅流體動力學，但目前冇直接方法量度嗰種干擾。AI 流速測量框架可以提供一個量化工具，評估頭部受傷後類淋巴流動係咪受到損害 。
• 衰老研究：類淋巴清除功能會隨住年齡自然下降，導致認知衰退 。直接比較年輕人同老年人嘅大腦流速，可以揭示呢種衰退背後嘅物理機制，並為干預措施提出建議 。

呢個方法仲可以適應到造影以外嘅範疇。研究團隊已經擴展咗佢哋嘅模型，去研究類淋巴網絡入面造影劑注射同藥物輸送模擬嘅時間依賴性流動 ，暗示咗日後喺引導治療藥物到達大腦嘅應用潛力。

物理引導人工智能令研究人員第一次真係睇到大腦嘅排廢管道係點樣運作。雖然臨床應用可能仲要等幾年，但呢張雙速流動地圖為理解大腦點樣保持自身清潔——以及當嗰個系統失靈時會發生咩事——提供咗量化基礎。