蒙特利尔大学心理学系Sarah Lippé领导的团队开发了一种新方法，可以通过分析使用脑电图（EEG）记录的脑电信号，在几分钟内确定婴儿的大脑发育是提前、延迟还是与其实际年龄相符。这项突破有望实现对婴儿发育障碍的早期筛查和个性化监测。
“生命最初的几年对大脑发育至关重要，”Lippé解释道。“这是大脑结构和功能各层次变化奠定越来越复杂信息处理基础的时期。”
这一事实强调了可靠的工具对于评估大脑成熟度和早期识别有神经发育障碍风险儿童的重要性，如语言迟缓、注意力缺陷障碍和自闭症。据Lippé称，早期干预和密切监测可以显著改善长期结果。
272名婴儿参与研究
该研究涉及272名婴儿，其中53名患有巨颅症，这是一种以头部异常大且与非典型脑发育相关的状况。
在Lippé的指导下，博士生Saeideh Davoudi比较了两种分析婴儿EEG的方法：传统的机器学习和新颖的深度学习。
为了训练传统的机器学习模型，Davoudi从EEG中提取关键特征，包括信号复杂性和在δ、θ和α频率范围内的脑波活动强度。
对于新颖的深度学习模型，Davoudi将原始EEG数据直接输入模型，模型自动分析数据中的模式。
研究结果于2025年5月发表在《NeuroImage》杂志上，显示新颖的深度学习模型表现最佳。
“仅通过几分钟的EEG信号，我们就能以平均误差小于30天的精度估算出婴儿的年龄，”Lippé报告说。“这是一个强大的工具，用于检测大脑成熟过程中的延迟和加速。”
研究表明，脑波是大脑年龄的关键标志。例如，与注意力和放松相关的α波（6-9赫兹）随着婴儿的发展变得更加明显，反映了认知功能的不断整合。
相反，δ波（0.5-2.5赫兹），这种波在深睡眠时出现，虽然在婴儿中占主导地位，但随着大脑的成熟而变得不那么频繁。
可检测异常
除了估算大脑年龄外，这种无创工具还可以检测神经发育速度的异常。例如，研究发现，患有巨颅症的婴儿在大脑成熟方面表现出延迟，而没有这种状况的婴儿则没有这种延迟。
研究还表明，大脑年龄与行为和认知功能的测量值相关，这些测量值通过适应性行为测试和信息处理速度测试进行评估。
据Lippé称，这些发现为新的临床应用铺平了道路。
“估计的大脑年龄可以帮助我们在行为症状出现之前识别出有发育障碍风险的儿童，”她说。“它还可以通过提供一个客观指标来监测治疗干预的效果，了解大脑发育的进展情况。”
更多信息： Saeideh Davoudi等人，《利用先进的机器学习技术通过脑电图高精度估算婴儿的大脑年龄》，《NeuroImage》（2025）。DOI: 10.1016/j.neuroimage.2025.121200
由魁北克大学蒙特利尔分校提供
(全文结束)
