用于最早预测认知衰退的内在脑活动生物标志物的推导

为何早期脑部变化重要

许多年长者在临床上被诊断出痴呆之前，就会注意到细微的记忆失误。在这一阶段，常规的脑部影像和血液检测常常显示正常，然而潜在的疾病过程可能已经在进行。本研究探讨一种简单、无创的脑电测试 —— 脑电图（EEG）—— 是否能揭示非常早期的脑功能改变，并可靠地预测谁在数年内最有可能出现严重的认知衰退。

倾听大脑的微弱信号

研究人员把注意力放在“主观认知受损”（SCI）的人群：这些年长者感觉记忆在下降，但在标准测试中仍表现正常。88 名年龄在 52 至 85 岁之间的志愿者在闭眼静息状态下接受了 20 分钟的 EEG 记录，随后随访 5–7 年。在随访期间，医生使用既定量表追踪每位受试者的认知状态。到随访结束时，有些参与者保持稳定，而另一些则恶化为轻度认知障碍或发展为痴呆。这些结局使团队能够检验：原始 EEG 中是否存在能预测谁会后来恶化的微妙模式。

将脑电波转化为预测指纹

团队没有用肉眼检查 EEG，而是采用定量脑电（qEEG），将原始脑电波转换为数千个数值特征。这些特征捕捉了不同频段（如 α 波和 θ 波）强度、远端脑区之间的同步程度（连接性与相位延迟），以及整体活动模式的复杂性或无序程度。由于正常衰老也会改变 EEG，研究者对所有特征按年龄进行了数学校正，然后标准化，使“零”代表与同年龄健康人相符的预期值。为了避免过拟合，他们系统地将超过 6000 个候选指标缩减为一组紧凑的特征，这些特征稳定、不冗余，并且在区分会保持稳定与会恶化的人方面效果最佳。

把机器学习当作水晶球

使用这组精简特征，团队训练了若干机器学习模型 —— 逻辑回归、支持向量机和随机森林 —— 以估计每位参与者未来恶化的概率。通过重复交叉验证和一种专门的自助法（bootstrap）来尽可能现实地评估性能。各模型的预测准确率约为 80%，受试者工作特征曲线下面积（AUC）约为 0.90，这表明在区分稳定与衰退个体方面具有强大的辨别能力。最终锁定的模型仅使用了 14 项 qEEG 特征，主要来自额叶区域并由少量电极记录，使该方法在临床常规中具有可操作性。

大脑中发生了什么变化

对准确预测贡献最大的特征指向了脑区间交流的早期中断。连接性指标，特别是额叶左右两侧之间的相位延迟和不对称性，是模型的核心。α 波与 θ 波频段的异常尤为突出：增加或位移的 θ 活动在其他研究中与海马萎缩和皮层变薄相关，而 α 波的能量和频率变化可能反映大脑为补偿新出现的损伤所做的初期尝试。重要的是，没有任何单一 EEG 指标能讲明全部事实。正是特定组合 —— 即生物标志物的“指纹” —— 提前数年发出高风险信号。

在真实世界中检验该工具

为评估他们的生物标志物是否能超出原始样本进行泛化，研究者在来自美国和意大利的两个独立队列上进行了测试，这些队列各自有不同的记录设置和患者特征。正如对全新数据的预期，准确率有所下降，约为 60–70%，但模型仍显著优于随机猜测，表明其捕获的信号具有稳健性。团队还展示了临床医生可以调整决策阈值：降低阈值可提高敏感性（在代价是更多误报的情况下捕捉到更多未来会衰退的人），而提高阈值则可提高特异性（误报更少但漏诊更多）。这种灵活性允许提供者根据不同的临床优先级定制工具。

这对患者和临床医生意味着什么

简而言之，这项工作表明，短时、无痛的 EEG 记录 —— 仅在额部放置少量电极 —— 可帮助识别那些当前看似正常但在未来数年内认知衰退风险较高的老年人。尽管仍需更大规模研究和与其他生物标志物的比较，但该方法成本低、无创且可重复，因而适合广泛筛查，特别是在高级影像或脑脊液检测不可行的环境中。如果进一步验证，这类基于 EEG 的生物标志物可帮助医生更早干预、监测疾病进展，并在最有可能产生持久疗效的阶段挑选临床试验参与者。

引用: Prichep, L.S., Zaidi, S.N., Brink, K. et al. Derivation of an intrinsic brain activity biomarker for the earliest prediction of cognitive decline. Sci Rep 16, 5500 (2026). https://doi.org/10.1038/s41598-026-35144-x

关键词: 早期痴呆预测, EEG 脑电波, 主观认知下降, 机器学习生物标志物, 阿尔茨海默病风险