●技術簡介：
本技術運用長期採集的人腦結構影像資料庫及神經網路研究經驗，藉由統合分析及多變量網路分析技術，萃取個體大腦各認知功能系統之結構特徵，並進一步結合機器學習及人工智慧演算法，建立對應之大腦認知網路腦齡估算平台，以估算個體之認知腦齡，進而推衍評估個體大腦認知功能，並作為人腦健康之客觀生物指標。
●技術之科學突破性：
為建立以腦影像為基礎之個人化腦健康與認知指標，須先收集大量的健康人腦結構影像。然而，當前大腦影像資料庫多以歐美人種為主。因此，本團隊於過去數年逐步創建以臺灣本土居民特性之腦影像資料庫，藉以研究我國乃至於亞洲人種的腦神經結構與認知、行為表現關聯。此外，本團隊長期致力於研發各影像維度資料萃取技術，探索神經、精神疾病與老化醫學重要議題，並開發相對應之機器學習及人工智慧演算法，提供個人化大腦生物指標，評估個人大腦健康狀態。
本技術研發與應用已發表數篇國際期刊，並曾參與2019年大腦腦齡全球競賽(Predictive Analytics Competition)，榮獲全球第四，亞洲第一。綜觀目前其他國際研究團隊所建立之個體大腦生物指標，大多聚集於全腦或局部腦區量測，以探究神經相關疾病或老化歷程。然而，這些神經相關疾病不單單僅影響腦區結構變化，亦造成認知功能改變。因此，本團隊除了探索局部腦區與其對應認知功能之關係，更以神經網路架構建立人腦認知功能評估之生物指標，針對大腦結構影像與認知功能網路做一全面性探索，透此多面向資料萃取技術，使我們更能從全局腦網絡變化，推衍至各認知功能應用，以評估整體大腦認知功能健康變化，甚或對老化病變進行危險預測。
●技術之產業應用性：
隨著人口高齡化社會的到來，失能與失智的風險會逐年提高。因此，個人化健康預測生物指標是現在與未來在預防醫學的重要目標。伴隨人腦影像數據庫的成長與人工智慧演算法的突破，搭配影像後處理分析技術，並結合臨床疾病，生物醫學科技與人工智慧等專家知識，恰可架構出以大腦醫學影像為基礎的個人化生物指標。
人腦隨著成長與老化歷程之變化不僅只是灰質萎縮，白質損傷，亦有記憶力、專注力與執行力等認知功能衰退，甚至導致神經退化疾病，如阿茲海默症等。因此，量化個人腦認知功能之生物指標，將有助於探討神經退化性疾病之發病機率或各式老化病變風險評估。
本技術可依據腦結構網路變化，進行認知功能健康評估，以描述個體大腦於成長與老化歷程之認知功能變化，進而推衍認知功能退化速度與可能罹患高齡病變的機率。未來將可應用於評估個體大腦健康狀態、潛在疾病風險評估、認知訓練介入評估，亦可推廣應用於保健食品、抗老藥物或新治療方式之預後評估平台。

線上展網址：
https://tievirtual.twtm.com.tw/iframe/6ae4341b-0003-44c6-b7b8-d9eaa0bfb0fe?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw