Il gruppo di Shile Qi, del dipartimento di intelligenza artificiale della Nanjing University of Aeronautics and Astronautics, con Vince D. Calhoun e altri ricercatori americani, ha addestrato il modello su risonanze di persone sane. La parte più grande viene dalla UK Biobank, 39.679 persone, il resto dallo Human Connectome Project e dal Brain Genomics Superstruct Project. Dopo la correzione per l'età l'errore medio della stima andava da poco più di un anno a meno di quattro, secondo il campione.
Poi il modello è stato applicato a 2698 pazienti, ciascuno accanto a un controllo sano della stessa età. I nove disturbi vengono da archivi diversi. Alzheimer e deficit cognitivo lieve vengono dall'archivio americano ADNI, schizofrenia e disturbo bipolare dalla coorte BSNIP-1, la depressione maggiore da quattro ospedali cinesi. Le dipendenze da alcol e da tabacco vengono da una coorte di Albuquerque, ADHD e autismo da due archivi pubblici di bambini e ragazzi, ADHD-200 e ABIDE II.

Il paper esprime il risultato con la d di Cohen, che misura la distanza fra due gruppi in deviazioni standard. Una d di 0,2 è piccola, una vicina a 1 è grande. Nell'Alzheimer, su 361 pazienti, la d è 0,97, con un intervallo di confidenza al 95 per cento fra 0,82 e 1,13. Il cervello di questi malati sembra più vecchio di quasi una deviazione standard intera. Fra chi abusa di alcol o di tabacco la d sta fra 0,6 e 0,7, e sale a 0,84 quando le due si sommano. Schizofrenia e disturbo bipolare stanno intorno a 0,5, la depressione maggiore a 0,28.
Il paper non traduce questi scarti in anni. Il titolo del comunicato, rilanciato da ScienceDaily il 29 settembre, parla di invecchiamento cerebrale più veloce. Lo studio però guarda ogni persona una volta sola. Misura quanto il cervello sembra vecchio in un momento, non la velocità con cui invecchia. Gli autori lo dichiarano fra i limiti.

In ADHD e autismo lo scarto non compare. La d è 0,01 per l'ADHD, su 344 ragazzi, e 0,06 per l'autismo, su 484. Gli intervalli restano stretti intorno allo zero. Escludono differenze grandi, non differenze piccole o limitate a sottogruppi. Anche divisi per fasce d'età, i due disturbi dello sviluppo non mostrano differenze dai controlli.
Ogni gruppo di disturbi lascia l'impronta in zone diverse. Nei disturbi psichiatrici pesa una rete fronto-temporale. Nelle dipendenze contano la rete di default, quella della salienza, il putamen e il talamo. Nella demenza conta una rete fronto-occipitale. La corteccia prefrontale compare in tutti. Per legare queste mappe ai geni il gruppo ha usato l'atlante di espressione genica dell'Allen Institute, ricavato da sei cervelli donati dopo la morte. Gli autori considerano esplorative queste regioni.

I limiti più seri sono scritti nel paper. Dipendenze e disturbi psichiatrici si presentano spesso insieme, e l'analisi non ha tenuto conto di questa sovrapposizione. Origine etnica, malattie croniche, stile di vita e ambiente non erano disponibili in tutte le banche dati. Ogni disturbo viene da scanner e paesi diversi. I controlli abbinati riducono questo problema, senza annullarlo.
Il lavoro è finanziato dal piano di ricerca della provincia cinese del Jiangsu e dalla National Natural Science Foundation of China. Gli autori dichiarano di non avere conflitti di interesse. Dichiarano anche di non aver usato strumenti o tecnologie di intelligenza artificiale né per lo studio né per la stesura. La frase stride con il metodo. L'età cerebrale è stimata con XGBoost, un algoritmo di apprendimento automatico, e le regioni sono interpretate con un altro strumento della stessa famiglia. La dichiarazione, con ogni probabilità, intende l'intelligenza artificiale generativa, ma non lo dice.
La risonanza misura una forma. Dice dove il cervello di chi soffre si allontana dalla media. Non dice ancora perché, né in che ordine le cose accadono.

Scarto fra età cerebrale stimata dalla risonanza ed età reale nei pazienti rispetto ai controlli abbinati, per nove disturbi e per la combinazione di alcol e tabacco. La misura è la d di Cohen con intervallo di confidenza al 95 per cento; in grigio gli intervalli che comprendono lo zero. Fra parentesi il numero di pazienti. Grafico di redazione. Elaborazione di Scienzaonline su dati di Liang C. et al., PLOS Medicine 2026, doi 10.1371/journal.pmed.1004860.

Bibliografia
Liang C., Pearlson G., Bustillo J. et al., «Brain aging patterns among nine neurological disorders: A case-control study», PLOS Medicine, 23, 7, e1004860, 21 luglio 2026, accesso aperto, licenza CC BY. doi: 10.1371/journal.pmed.1004860
Codice e dati minimi: Zenodo. doi: 10.5281/zenodo.20743298 e 10.5281/zenodo.20743260
PLOS, comunicato stampa, ripreso da ScienceDaily come «Brain Scans Reveal Which Disorders Are Linked to Faster Brain Aging», 29 settembre 2026 (usato solo per il confronto con il paper).