Neue EEG-Gehirn-Alters-Uhr soll kognitive Alterung verfolgen und umkehren
Eine Zusammenarbeit zwischen Sens.ai und dem Buck Institute hat mithilfe von EEG-Daten ein funktionales Gehirnalter-Modell entwickelt – und erste Ergebnisse deuten darauf hin, dass es sich verändern lässt.
Zusammenfassung
Forscher des Neurotechnologie-Unternehmens Sens.ai und des Buck Institute for Research on Aging haben Brain Years entwickelt – ein funktionales Gehirnalter-Modell, das auf EEG-Signalen, ereigniskorrelierten Potenzialen und Leistungsdaten basiert. Im Gegensatz zu strukturellen MRT-basierten Uhren misst Brain Years, was das Gehirn tatsächlich leisten kann. Mithilfe von maschinellem Lernen, trainiert auf Daten von Personen im Alter von der Teenagerzeit bis Ende 80, wird ermittelt, welche Kombinationen aus Hunderten von neuronalen Variablen das funktionale Gehirnalter am besten vorhersagen. Erste Interventionsdaten deuten auf eine mögliche Umkehrung des Gehirnalter-Scores um mehr als 5 Jahre nach zwei Monaten hin, obwohl die Forscher darauf hinweisen, dass eine placebokontrollierte Studie erforderlich ist, um zu bestätigen, ob sich tatsächlich die Biologie – und nicht nur die Testleistung – verändert hat. Das Tool zielt darauf ab, den Verlauf zu verfolgen und nicht nur eine Momentaufnahme zu liefern, und bietet damit eine dynamischere Sicht darauf, wohin sich das Gehirn entwickelt.
Detaillierte Zusammenfassung
Die meisten Alterungsuhren messen Biologie in einem einzigen Moment. Brain Years, entwickelt von Sens.ai in Zusammenarbeit mit dem Buck Institute for Research on Aging, versucht etwas Ambitionierteres: einen funktionellen Gehirn-Alters-Score, der aus EEG-Signalen, ereigniskorrelierten Potenzialen und kognitiven Aufgaben aus dem realen Alltag aufgebaut ist und verfolgen kann, wohin sich das Gehirn entwickelt – und ob Interventionen diese Trajektorie verändern können.
Das Modell wurde auf Daten trainiert, die außerhalb streng kontrollierter Laborbedingungen erhoben wurden und Nutzer vom frühen Teenageralter bis in die späten 80er-Jahre umfassen. Da EEG-Daten aus dem realen Alltag bekanntermaßen stark verrauscht sind, entwickelte Sens.ai proprietäre Sensoren und Artefakterkennungsalgorithmen, um Bewegungen, Kauen, Sprechen und übermäßiges Blinzeln herauszufiltern, bevor maschinelles Lernen angewendet wird. Das Unternehmen bezeichnet dies als Garbage-in-garbage-out-Problem: KI ist nur so gut wie die Daten, mit denen sie gefüttert wird.
Maschinelles Lernen durchforstete anschließend Hunderte von neuronalen Variablen, um herauszufinden, welche Kombinationen am stärksten mit dem chronologischen Alter und der funktionellen Kapazität korrelierten. Das Ergebnis ist ein Score, der das funktionelle Gehirnalter im Verhältnis zum tatsächlichen Lebensalter einer Person ausdrückt – weniger als fixer Kilometerstand, sondern eher als probabilistische Prognose der aktuellen Gehirnfunktion und der kurzfristigen Trajektorie.
Frühe Interventionsdaten sind vielversprechend, aber vorläufig. Sens.ai berichtet von einer mittleren Reduktion des Brain Years-Scores um 5,18 Jahre nach einer zweimonatigen Intervention. Buck Institute-CEO Eric Verdin ist in seiner Interpretation zurückhaltend und betont, dass eine echte Veränderung des Gehirnalterns eine ordnungsgemäß konzipierte prospektive, placebokontrollierte Studie erfordert, um einfache Verbesserungen durch Testvertrautheit oder Leistungssteigerung auszuschließen.
Das übergeordnete Ziel besteht darin, Brain Years gegen andere Alterungsuhren zu validieren – MRT-basierte Strukturmaße und proteomische Blutuhren – und festzustellen, ob Veränderungen im Score bedeutsamen Veränderungen in der zugrunde liegenden Biologie entsprechen. Für gesundheitsbewusste Erwachsene könnte ein validiertes funktionelles Gehirn-Alters-Tool letztendlich personalisierte kognitive Interventionen mit messbarem Feedback ermöglichen.
Wichtigste Erkenntnisse
- Brain Years uses EEG and cognitive task data — not just brain structure — to estimate functional brain age across the lifespan.
- Machine learning identified which combinations of hundreds of neural variables best predict functional brain age relative to chronological age.
- Early data suggest a two-month intervention produced a 5.18-year reduction in Brain Years score, pending controlled trial confirmation.
- Researchers stress a placebo-controlled prospective trial is needed to confirm biology changed, not just test performance.
- Buck Institute plans to cross-validate Brain Years against MRI-based and blood proteomic aging clocks.
Methodik
Dies ist eine Nachrichtenzusammenfassung und Interviewbericht, der auf einer Podcast-Folge mit Sens.ai-CEO Paola Telfer und Buck Institute-CEO Eric Verdin basiert. Es wird keine peer-reviewed Publikation zitiert; die Belege stützen sich auf proprietäre Interventionsdaten und Expertenkommentare. Der genannte Wert einer Umkehrung von 5,18 Jahren wurde bisher weder unabhängig repliziert noch in einer kontrollierten Studie veröffentlicht.
Studienlimitierungen
Die Interventionsdaten sind vorläufig, unveröffentlicht und stammen aus einer nicht randomisierten, unkontrollierten Studie, sodass Übungseffekte oder Placebo-Reaktionen nicht ausgeschlossen werden können. Es wurde keine peer-reviewte Publikation zitiert, die das Brain Years-Modell oder dessen Validierung beschreibt, was eine unabhängige Überprüfung der Methodik einschränkt. Leser sollten die Ergebnisse der geplanten prospektiven placebokontrollierten Studie abwarten, bevor sie die behauptete Umkehrung um 5,18 Jahre als gesichert betrachten.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: