AI 幫助科學家更加了解腦脊髓液流動

由美國羅徹斯特大學（University of Rochester）機械工程學系助理教授 Douglas Kelley 領導的跨領域研究中，團隊進行有關腦脊髓液（Cerebrospinal Fluid，CSF）流動的 2D 研究，藉由在液體中注入微粒，並測量時間和位置以計算速度。研究人員後來成功研發了一種稱為「AI 速度測量」（Artificial intelligence velocimetry，AIV）的技術，可以更有效率且精準的測量大腦中的液體流動。研究 CSF 的流動有機會更加了解與大腦周圍血管空間流動的液體有關的疾病，例如：阿茲海默症（Alzheimer’s disease，AD）。

羅氏藥廠研發新的阿茲海默症診斷方法（基因線上國際版）

解密人體大腦，腦脊髓液造成的疾病

大腦的運作方式仍有許多未解之謎。儘管現今的科技已經對大腦功能有一定的認識，例如：感覺感受以理解世界、協調控制身體的運動、認知功能（包括學習、記憶、思考等）、情感和情緒的調節、特定區域負責處理語言和溝通，還有控制自主神經系統並調節身體的自主功能。事實上，大腦是一個高度複雜且多功能的器官，涉及許多不同區域和神經系統的工作，還有很多關於大腦功能的未解之謎等著被探索和理解。

其中一個令科學家感興趣的是 CSF 的流動。CSF 主要在腦部血管周圍間隙中運輸，主要作用為負責保護大腦皮質的緩衝液，另外也負責清除廢物和運輸養分，另外也指出和中風或其他可能造成腦部水腫（edema）的疾病有關。CSF 與許多神經系統疾病有關，包括阿茲海默症、腦小血管疾病（small vessel disease）、中風和創傷性腦損傷，可見研究 CSF 的流動能多了解上述疾病，以利醫生尋找診斷方法和治療方式。

AIV 有效率並準確的測量腦脊髓液流動

原有的技術僅限對腦膜周圍血管空間（pial perivascular spaces，PVS）進行速度的稀疏測量（sparse measurement），或者從解析度低的全腦顯影中進行測量。無法在體內測量 PVS 中的體積流率（volume flow rate）、壓力和剪應力變化（shear stress variation）。

羅徹斯特轉譯神經醫學中心（Rochester’s Center for Translational Neuromedicine）主任 Maiken Nedergaard 已進行多年關於 CSF 中流動物質的研究。Douglas Kelley 基於上述研究，能夠進行有關腦血管周圍液體流動的 2D 研究。研究方法主要是注入微粒於液體中，並隨時間測量微粒的位置以計算速度。

不過，研究人員需要更複雜的測量方法，才能理解這個系統的完整複雜性，因此團隊與布朗大學（Brown University）應用數學系教授 George Karniadakis 合作，期望利用 AI 來解決問題。最後他們研發出一種稱為「AI 速度測量」（artificial intelligence velocimetry，AIV）的技術，可以結合稀疏速度測量與物理訊息神經網路（Physics-informed neural networks，PINN），來量化 PVSs 中腦液的流動。

在一份 AIV 的敏感性分析（sensitivity analysis）中顯示，由於體內成像的 PVS 邊界位置不固定，AIV 推斷的數據不確性不超過 30%，而類神經網路初始化（neural net initialization）引起的不確定性不超過 1%。在四隻小鼠的 PVS 分析中，發現平均流速為 16.33 ± 11.09 µm/s，體積流速為 2.22 ± 1.983 × 10³ µm³/s，軸向壓力梯度為 (−2.75 ± 2.01) × 10⁻⁴ Pa/µm (−2.07 ± 1.51 mmHg/m)，壁剪應力為(3.00 ± 1.45) × 10⁻³ Pa（所有平均值 ± 標準誤）。壓力梯度、流速和阻力與先前的預測相符。確定 AIV 可以推斷出體內 PVS 的流動，而這將改善流體力學模型，並有可能澄清腦脊髓液在衰老、阿茲海默病和腦小血管疾病中的變化。

隨著科技發展，AI 漸漸融入人類生活和研究中。藉由 AI 的幫助，醫療人員和科學家都能更進一步了解剖析各種神經相關疾病，並減少患者因爲這些疾病所造成的痛苦。

延伸閱讀：腦癌治療新曙光 – 新型超音波療法突破血腦屏障

參考資料
1. https://www.rochester.edu/newscenter/ai-helps-measure-fluid-flow-in-brain-561722/
2. https://www.pnas.org/doi/10.1073/pnas.2217744120