跨越人类寿命的MEG脑振荡规范建模

倾听大脑的安静背景

我们的脑从未真正处于静止状态。即便静坐、睁眼或闭眼不动，数十亿神经细胞仍以节律性模式协同振荡。这些看不见的脑节律会随着我们成长、衰老以及疾病侵袭而发生变化。本研究的目标是为这些节律绘制类似生长曲线的参考——一种判断某人按年龄和性别是否典型的方式——并利用这些图谱识别个体大脑何时偏离常态。

脑节律为何重要

医生长期以来使用身高体重生长表跟踪儿童的体格发育。近年，脑研究者也开始用类似方法描绘脑结构，借助MRI映射脑容量和皮层厚度随年龄的典型变化。但许多脑疾病不仅涉及结构改变，还扰乱脑细胞随时间的协同放电。像脑磁图（MEG）这样的技术可以捕捉这些快速的电活动节律，然而迄今尚无覆盖整个生命周期的大规模“正常”脑节律参考。没有这样的参照，就难以判断某人脑活动是否异常、以何种方式异常。

构建覆盖全生命周期的脑活动图谱

作者提出了名为MEGaNorm的框架来填补这一空白。他们汇集了来自六个站点、使用三种不同扫描仪类型采集的1,846名6至88岁健康受试者的静息态MEG记录，以及160名帕金森病患者的数据。对每条记录，他们去除眨眼和心跳等伪影，然后计算信号在四个常见频段中的能量：较慢的theta波、中频的alpha和beta波，以及介于3到40次/秒之间的较快gamma波。关键在于，他们首先减去始终存在于脑信号中的宽带“背景嘶声”，使得剩余测量反映真实的节律峰值，而非总体噪声或随年龄变化的整体能量偏移。

捕捉正常差异，而不仅是平均值

研究团队并非仅关注均值，而是使用分层贝叶斯方法估计完整的曲线，描述每种节律随年龄的典型变化及其变异幅度。他们的模型允许数据的分布宽度和形状随年龄改变，并明确考虑了采集站点和性别之间的差异。由此得到了类似生长图上第5、第50或第95百分位的分位曲线，覆盖各频段在整个生命周期的变化。随后他们将这些结果转化为两类可视化工具。群体水平图表（P-NOCs）以五年为步长展示每种节律通常对整体脑活动模式的贡献；个体水平图表（I-NOCs）则允许临床医生或研究者将单个受试者的测量值与同龄、同性、同扫描仪的规范进行比较，查看其落在哪一位置。

脑节律如何随年龄演变

这些生长图显示，脑节律沿着各自的生命轨迹演变，而非同步改变。Theta能量呈U形：儿童期偏高，中年下降，老年再次上升。与此相反，通常与放松觉醒相关的alpha能量在青春期上升，在成年早期达到高峰，随后逐渐下降。Beta能量大致在50岁左右前上升，之后趋于平缓；慢速gamma保持较低且相对稳定。大约在中年时，各频段之间的平衡出现显著变化：50岁左右之前，alpha的下降部分被上升的beta抵消；之后beta趋于平台期，随着alpha继续减弱，上升的theta开始接手。这些模式强调，健康衰老涉及节律间的重新分配，而非简单的整体减速或普遍衰弱。

识别帕金森病中的隐性差异

为检验图谱的临床价值，研究者将MEGaNorm应用于帕金森病患者组。他们将所有患者视为未知样本，按同一流程处理其数据，并评估每位患者的节律相对于按年龄、性别和站点匹配的规范偏离程度。最显著且最可靠的偏离出现在theta和beta频段：许多患者表现为异常增高的theta、异常降低的beta，或两者兼有，这些偏离比alpha或gamma的变化更能将患者与健康对照区分开来。重要的是，患者并非聚成单一的“帕金森模式”。相反，他们沿着一个连续谱分布，从高theta/低beta到低theta/高beta的不同组合都有，部分个体则明显落在正常范围内。传统的组平均比较会模糊或掩盖这种多样性。

迈向更个性化的大脑健康基准

通俗地说，这项工作把紊乱的“大脑背景噪声”测量变成了直观的图表，例如能指出“对与你相似的人群而言，这一水平的beta活动高于95%的同龄人”。由于该框架可随新数据更新，并能在不共享敏感记录的情况下局部适配，它为更个性化的大脑健康评估提供了实用基础。尽管需要在不同人群和疾病中进一步验证，MEGaNorm展示了我们或能像跟踪血压或胆固醇一样，随时间监测功能性脑变化，及早发现疾病征兆并根据个体独特的节律特征定制治疗方案的潜力。

引用: Zamanzadeh, M., Verduyn, Y., de Boer, A. et al. Normative modeling of MEG brain oscillations across the human lifespan. Commun Biol 9, 604 (2026). https://doi.org/10.1038/s42003-026-09825-2

关键词: 脑振荡, 脑磁图, 生命周期发展, 帕金森病, 精准精神病学