研究发现，该模型预测年龄的平均绝对误差仅为 4.6 岁。绝对脑年龄指数与：癫痫和癫痫症、中风、睡眠呼吸障碍的标志物升高（即呼吸暂停低通气指数和觉醒指数）和低睡眠效率之间存在统计学上显着的关系。该研究还发现，与健康人群样本相比，患有糖尿病、抑郁症、白天严重过度嗜睡、高血压和/或记忆力和注意力不集中的患者的脑年龄指数平均升高。
这组作者说，结果表明这些健康状况与一个人的预测年龄与实际年龄的偏差有关。
“虽然临床医生只能根据脑电图粗略估计或量化患者的年龄，但这项研究表明，人工智能模型可以高精度地预测患者的年龄，”主要作者、EnsoData 的高级人工智能工程师 Yoav Nygate 说。“该模型的精度使预测年龄从实际年龄转变为表达与主要疾病家族和合并症的相关性。这提供了利用 AI 模型偏差识别存在于生理信号中的新型临床表型的潜力。”
研究人员训练了一个深度神经网络模型，以使用在使用夜间多导睡眠图进行的临床睡眠研究期间记录的原始 EEG 信号来预测患者的年龄。该模型在 126,241 项睡眠研究中进行了训练，在 6,638 项研究中进行了验证，并在 1,172 项研究中进行了测试。脑年龄是通过从他们的 EEG 预测年龄（即脑年龄指数）中减去个体的实际年龄，然后取这个变量的绝对值（即绝对脑年龄指数）来评估的。分析控制了性别和体重指数等因素。
“这项研究的结果为利用人工智能评估患者大脑年龄的潜力提供了初步证据，”尼盖特说。“我们希望，随着持续调查、研究和临床研究，大脑年龄指数有朝一日将成为大脑健康的诊断生物标志物，就像高血压是中风和其他心血管疾病风险的标志一样。”
