Во время глубокого сна в пространствах мозга циркулирует специальная жидкость, которая очищает мозговую ткань от метаболических отходов. Именно так организм выводит бета-амилоиды — белковые соединения, причастные к развитию болезни Альцгеймера. Хотя учёные долгое время изучают эту глимфатическую систему, точное измерение скорости движения жидкости в разных участках мозга оставалось сложной задачей.

Глимфатическая система отвечает за вывод растворённых веществ из мозговой ткани. Термин, введённый в научный обиход в 2012 году, объединяет два понятия: глиальные клетки и лимфатическую систему. В отличие от традиционной лимфатической системы, эта система действует по другому принципу — жидкость циркулирует в пространствах вокруг кровеносных сосудов и проходит сквозь мозговую ткань, способствуя удалению накопившихся вредных веществ.

Основная сложность заключается в измерении скорости потока. Движение жидкости настолько замедленно, что традиционные методы наблюдения предоставляют неполные данные. Микроскопическое исследование позволяет детально изучить малый фрагмент мозга и увидеть распространение введённого красителя, но такая детальность охватывает крайне ограниченную область. Невозможно воссоздать полную картину движения жидкости во всём мозге, опираясь на один участок.

Магнитно-резонансная томография решает проблему масштаба и предоставляет трёхмерные данные большей области мозга, однако крайне медленная скорость потока остаётся за пределами возможностей обычных методик измерения. Перед исследователями встала задача: определить скорость потока, анализируя данные, которые показывают распространение вещества во времени, но не измеряют прямое движение жидкости.

Для решения этой задачи специалисты применили нейросеть, интегрирующую физические законы в процесс обучения. В научной среде такой подход называют PINN — physics-informed neural networks (нейросети с учётом физических законов). Суть методики состоит в том, что алгоритм ищет решение, опираясь не только на обучающие данные, но и на математические ограничения, описывающие физический процесс.

Исходным материалом служили последовательности МРТ-снимков, демонстрирующие постепенное распространение красителя через мозговую ткань. Нейросеть анализировала изменение концентрации красителя и на основе этой динамики вычисляла параметры движения жидкости. Вместо прямого измерения чрезвычайно медленного потока алгоритм восстанавливал его характеристики, отслеживая изменение положения и концентрации переносимого вещества.

Применённый метод позволил определить две ключевые характеристики: скорость потока и проницаемость мозговой ткани. Проницаемость показывает, с какой лёгкостью жидкость может проходить сквозь определённую среду. Плотная ткань оказывает большее сопротивление движению, чем свободные пространства вокруг мозга, поэтому скорость варьируется по всему пути циркуляции.

Расчёты выявили существенные отличия между двумя основными маршрутами циркуляции жидкости. В относительно открытых пространствах вокруг мозга, включая области между мозгом и черепом, скорость движения достигает нескольких микрометров в секунду. Учитывая, что микрометр составляет одну тысячную миллиметра, даже самый быстрый из обнаруженных потоков остаётся невероятно медленным в обычном понимании.

Внутри самой мозговой ткани жидкость перемещается примерно в 50 раз медленнее. Эта разница подчёркивает, насколько сильно физические свойства среды влияют на циркуляцию. Близ поверхности жидкость движется по более просторным каналам, а в глубоких слоях ей приходится преодолевать плотную тканевую среду.

Глимфатическая система удаляет из мозга различные растворённые вещества и частицы, среди которых бета-амилоиды. Бета-амилоиды представляют собой класс пептидов — коротких последовательностей аминокислот. Определённые формы бета-амилоида способны накапливаться в мозговой ткани и образовывать амилоидные отложения, которые являются характерным признаком болезни Альцгеймера.

В настоящее время исследователи проверяют разработанную методику на подопытных животных, включая грызунов. На первом этапе необходимо установить нормальные параметры циркуляции жидкости в здоровом мозге, получить базовые показатели скорости для различных областей и одновременно совершенствовать алгоритм нейросети. Без достоверных исходных данных нельзя определить, какие отклонения связаны с патологией, возрастными изменениями или травмой, а какие являются естественными вариациями между организмами.

Следующая фаза исследований предусматривает сравнительный анализ здорового и поражённого мозга, а также молодых и пожилых организмов. Исследователи намерены выяснить, изменяются ли скорость потока и пути циркуляции с возрастом и при развитии заболеваний. При обнаружении постоянных различий карты движения жидкости могут быть использованы для диагностики нарушений глимфатической системы.

В будущем исследователи планируют адаптировать метод для применения у людей. Возможность измерять скорость жидкости в живом человеческом мозге открыла бы новые горизонты в изучении нарушений циркуляции при неврологических патологиях и травмах головы. На данный момент метод не является инструментом клинической диагностики и не позволяет выявлять болезнь Альцгеймера на основе одного МРТ-исследования.

Одно из перспективных направлений развития касается выявления нарушений движения жидкости при болезни Альцгеймера. Исследователи планируют проверить, отличается ли циркуляция жидкости у пациентов с этим заболеванием и возможно ли обнаружить отклонения на доклинической стадии, когда явные симптомы ещё отсутствуют. Для получения ответа потребуется сначала установить причинную связь между нарушенной циркуляцией и развитием болезни, а затем определить чувствительность измерений в дифференциации нормы от патологии.

Ещё одним перспективным применением может стать диагностика сотрясений мозга. После получения травмы специалисты смогут оценивать, нарушается ли циркуляция жидкости и с какой скоростью восстанавливается её нормальное движение. На настоящий момент разработка представляет собой прежде всего новый метод измерения: нейросеть позволяет извлекать данные о скорости крайне медленного потока из МРТ-изображений и проводить сравнительный анализ между различными областями мозга.