สแกนสมองขณะพักอาจบอกความเสี่ยงอัลไซเมอร์ได้ล่วงหน้าหลายปี: Stanford พัฒนา “ARC score” จากรูปแบบการเชื่อมต่อของสมอง

นักวิจัยจาก Stanford Medicine ประเทศสหรัฐอเมริกา ร่วมกับทีมจากหลายสถาบัน พัฒนาคะแนนที่เรียกว่า ARC score (Alzheimer’s resilience-vulnerability connectome) ซึ่งคำนวณจากรูปแบบการทำงานร่วมกันของสมองขณะพัก คะแนนนี้แยกผู้สูงอายุที่ความจำดีเยี่ยมออกจากผู้ป่วยโรคอัลไซเมอร์ (Alzheimer’s disease) ได้แม่นยำราว 85% และเมื่อนำไปใช้กับผู้ใหญ่วัย 55–70 ปีที่ยังไม่มีอาการใด ๆ ก็ช่วยบอกได้ว่าใครมีแนวโน้มความจำถดถอยหรือเป็นอัลไซเมอร์ในอีกหลายปีข้างหน้า งานวิจัยนี้ตีพิมพ์ในวารสาร Science Advances เมื่อวันที่ 4 พฤศจิกายน 2026

ทำไมการตรวจพบแต่เนิ่น ๆ จึงสำคัญ

โรคอัลไซเมอร์เริ่มเปลี่ยนแปลงสมองตั้งแต่ก่อนผู้ป่วยรู้ตัวว่าความจำแย่ลง เป้าหมายของทีมวิจัยจึงอยู่ที่การหาตัวบ่งชี้ระยะแรก (early markers) ที่จับสัญญาณได้ก่อนที่อาการจะปรากฏ ซึ่งเป็นแนวทางเดียวกับงานวิจัยอีกหลายชิ้นที่พยายามดูแลสมองตั้งแต่ยังไม่มีอาการ เช่น การทดลองยา Rapamycin ในผู้มียีนเสี่ยงอัลไซเมอร์ APOE4

“สิ่งที่เราให้ความสำคัญจริง ๆ คือการหาตัวบ่งชี้ระยะแรกที่ตรวจจับสัญญาณของการถดถอยทางการรับรู้ได้เร็วขึ้น”

Yu Zhang ผู้ช่วยศาสตราจารย์ด้านจิตเวชศาสตร์และพฤติกรรมศาสตร์ Stanford ผู้วิจัยอาวุโสของงานนี้

เรามาทำความเข้าใจเป็นลำดับดังนี้

• เทคนิคที่ใช้: fMRI ขณะพัก (resting-state functional MRI) วัดการทำงานของสมองขณะผู้เข้าร่วมนอนนิ่ง ๆ ในเครื่องสแกน จากนั้นวิเคราะห์ว่าสมองแต่ละส่วนทำงานสอดประสานกันอย่างไร ภาพรวมของการเชื่อมต่อนี้เรียกว่า คอนเน็กโทมเชิงหน้าที่ (functional connectome) ผู้อ่านที่อยากทบทวนพื้นฐานการถ่ายภาพทางการแพทย์อ่านเพิ่มได้ที่ Medical Imaging คืออะไร
• กลุ่มเปรียบเทียบ: ทีมวิจัยใช้ภาพสมองของซูเปอร์เอจเจอร์ (super agers) 180 คน คือผู้ที่อายุ 75 ปีขึ้นไปแต่มีความจำดีกว่าค่าเฉลี่ยของคนวัยกลางคน (อายุต่ำกว่า 65 ปี) และมีความสามารถในการบริหารจัดการความคิด (executive function) ใกล้เคียงกับผู้สูงอายุทั่วไปในวัยเดียวกัน เทียบกับผู้ป่วยอัลไซเมอร์อายุ 75 ปีขึ้นไปอีก 110 คน
• สร้างคะแนน: สองกลุ่มนี้มีรูปแบบการเชื่อมต่อที่ทำงานต่ำกว่าและสูงกว่ากันในสมองหลายบริเวณ ทีมวิจัยจึงสรุปความแตกต่างออกมาเป็นคะแนน ARC คะแนนต่ำหมายถึงรูปแบบสมองคล้ายซูเปอร์เอจเจอร์ คะแนนสูงหมายถึงคล้ายผู้ป่วยอัลไซเมอร์ และคนส่วนใหญ่มีคะแนนอยู่ระหว่างสองขั้วนี้
• ทดสอบการทำนาย: นำคะแนนไปใช้กับผู้ใหญ่อายุ 55–70 ปีกว่า 1,300 คนที่ยังไม่มีความบกพร่องทางการรับรู้ โดยใช้ข้อมูลจากโครงการขนาดใหญ่ ได้แก่ Open Access Series of Imaging Studies (OASIS), Harvard Aging Brain Study และ Alzheimer’s Disease Neuroimaging Initiative (ADNI)

ขั้นตอนทั้งหมดสรุปไว้ใน ภาพที่ 1

เบื้องหลังคะแนนนี้คือแบบจำลองการเรียนรู้ของเครื่อง (machine learning) ที่เรียนรู้ว่าการเชื่อมต่อคู่ใดในสมองแยกสองกลุ่มออกจากกันได้ดีที่สุด ใน ภาพที่ 2 แผง A แสดงประสิทธิภาพการแยกกลุ่ม โดยในข้อมูลชุดแรก (discovery) ซึ่งมีผู้เข้าร่วม 290 คน ค่า AUC อยู่ที่ 0.85 และความแม่นยำ 0.80 เมื่อนำแบบจำลองไปทดสอบกับข้อมูลอีกชุดจำนวน 143 คนที่ไม่ได้ใช้สร้างแบบจำลอง (replication) ก็ยังแยกได้ด้วย AUC 0.72 แผง B–D แสดงว่าการเชื่อมต่อที่ใช้แยกกลุ่มกระจายอยู่ในหลายเครือข่ายของสมอง โดยทีมวิจัยระบุว่าเกี่ยวข้องกับเครือข่ายสมองส่วนหน้า ส่วนขมับ และอินซูลา (insula) เป็นหลัก ส่วนแผง E แสดงว่าลายเซ็นที่พบในข้อมูลสองชุดสอดคล้องกัน (ค่าสหสัมพันธ์ Kendall 0.67 และค่า Dice 0.59)

ผลการศึกษา

ตอนที่สแกนสมอง ผู้ที่ได้คะแนนสูงและต่ำยังมีความสามารถทางการรับรู้ไม่ต่างกันชัดเจน แต่เมื่อติดตามต่อไป ผู้ที่มีคะแนนคล้ายอัลไซเมอร์มากกว่ามีความจำ สมาธิ และการบริหารจัดการความคิดถดถอยเร็วกว่า ส่วนผู้ที่คะแนนคล้ายซูเปอร์เอจเจอร์มากที่สุดถดถอยช้าที่สุด คะแนนยังใช้ทำนายการเปลี่ยนไปเป็นภาวะความบกพร่องทางการรับรู้เล็กน้อย (mild cognitive impairment) หรืออัลไซเมอร์ การสะสมของแผ่นโปรตีนอะไมลอยด์-เบตา (amyloid-beta plaques) และการได้รับการวินิจฉัยโรคภายในช่วง 12 ปีถัดมาได้ ระยะติดตามของข้อมูลแต่ละชุดไม่เท่ากัน ส่วนใหญ่อยู่ราว 5–6 ปี และนานที่สุด 12 ปี

ทีมวิจัยรายงานว่า ARC score ทำนายความจำถดถอยได้ดีกว่าการใช้ข้อมูลประชากร ตัวบ่งชี้ทางชีวภาพอะไมลอยด์-เบตาและเทา (tau) หรือข้อมูลพันธุกรรม และเมื่อใช้ร่วมกับตัวบ่งชี้เดิม การทำนายก็แม่นยำขึ้นอีก Kanhao (Alex) Zhao นักวิจัยหลังปริญญาเอกและผู้เขียนหลัก ระบุว่า สำหรับการทำนายว่าใครจะกลายเป็นผู้ป่วยอัลไซเมอร์ คะแนนนี้ทำได้เทียบเท่าหรือดีกว่าตัวบ่งชี้ที่ใช้กันอยู่ และส่งสัญญาณได้ตั้งแต่ระยะที่เร็วกว่า

แนวคิดการมองสมองเป็นเครือข่ายที่หลายส่วนทำงานเชื่อมโยงกันไม่ใช่เรื่องใหม่ เราเคยเล่าถึงงานยุคแรก ๆ อย่าง แผนที่เชื่อมโยงการทำงานส่วนต่าง ๆ ของสมองจาก IBM และ โครงการสร้างแผนที่สมองของคนไทย งานของ Stanford นี้ต่อยอดไปอีกขั้น คือใช้รูปแบบเครือข่ายสมองเป็นตัวบ่งชี้ความเสี่ยงของโรค

ข้อควรระวัง

ทีมวิจัยเน้นว่า ARC score ยังไม่ใช่เครื่องมือวินิจฉัยโรค แต่เป็นแนวทางช่วยติดตามสภาวะการรับรู้ของสมอง Yu Zhang อธิบายว่าคะแนนแต่ละครั้งเป็นเพียงภาพ ณ ช่วงเวลาหนึ่ง ไม่ใช่ชะตากรรม สัดส่วนของคนที่มีคะแนนคล้ายซูเปอร์เอจเจอร์มักลดลงตามอายุ ส่วนหนึ่งจากการบาดเจ็บของสมองหรือภาวะทางจิตประสาท นอกจากนี้งานนี้วิเคราะห์จากข้อมูลของโครงการที่มีอยู่แล้ว จึงบอกได้ว่าคะแนนสัมพันธ์กับความเสี่ยง แต่ยังไม่ได้แสดงว่าการเปลี่ยนรูปแบบสมองจะเปลี่ยนการดำเนินของโรค

นักวิจัยตั้งสมมติฐานว่าวิธีอย่างการกระตุ้นสมองด้วยสนามแม่เหล็กผ่านกะโหลก (transcranial magnetic stimulation) หรือการฝึกสมอง (cognitive training) อาจช่วยปรับรูปแบบสมองไปทางที่ทนทานต่อโรคมากขึ้น แต่ยังไม่มีการทดสอบว่าวิธีเหล่านี้ชะลอความจำถดถอยได้จริงหรือไม่ ทีมวิจัยวางแผนทดลองวัดคะแนน ARC ก่อนและหลังการฝึกสมองต่อไป

“มีสององค์ประกอบหลัก หนึ่งคือต้องรู้ว่าจะมุ่งไปที่สมองส่วนไหน อีกหนึ่งคือเราควรเปลี่ยนมันอย่างไร”

Yu Zhang, Stanford Medicine

ดังนั้น งานวิจัยนี้จึงน่าสนใจในฐานะแนวทางใหม่ของการใช้ภาพถ่ายทางการแพทย์ร่วมกับการวิเคราะห์เครือข่ายสมอง เพื่อจับสัญญาณความเสี่ยงอัลไซเมอร์ก่อนอาการจะปรากฏ แต่ยังต้องการการศึกษาเพิ่มเติมก่อนนำไปใช้ทางคลินิก

สำหรับคนที่สนใจสามารถเข้าไปศึกษารายละเอียดของรายงานวิจัยได้ที่ A functional connectome identifies vulnerability to cognitive decline and Alzheimer’s disease progression และฉบับเผยแพร่ล่วงหน้า (preprint) แบบเปิดใน bioRxiv

ข่าวจาก EurekAlert! / Stanford Medicine

หมายเหตุภาพ: ภาพที่ 1 จัดทำโดย Biomed.in.th จากตัวเลขในรายงานวิจัยและข่าวประชาสัมพันธ์ ภาพที่ 2 เป็น Figure 1 จาก Zhao K, Xie H, Fonzo GA และคณะ, Science Advances 12, eaed9351 (2026) เผยแพร่ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial 4.0 (CC BY-NC 4.0) นำมาใช้โดยไม่ดัดแปลงเนื้อหา มีเพียงการย่อขนาดภาพ