静息态脑电图（RS-EEG）作为非侵入、低成本的阿尔茨海默病（AD）诊断工具正在兴起。本研究评估了基于脑电的生物标志物是否能预测记忆门诊患者的淀粉样蛋白状态，以及从轻度认知障碍（MCI）向AD痴呆的临床进展。
方法
研究者回顾性分析了295名认知障碍患者的标准化诊断数据，包括神经心理学评估、脑脊液（CSF）生物标志物分析和19通道静息态脑电记录（10–20系统，闭眼状态）。根据CSF Aβ42/40比值将患者分为淀粉样蛋白阳性（A+；n=184）和阴性（A-；n=111）。其中MCI亚组（n=106）进一步分为MCI A+（n=61）和MCI A-（n=45）。对39例MCI A+患者进行2年随访，发现23例转化为AD痴呆。
脑电预处理包括带通滤波（1–45 Hz）、独立成分分析去伪影和平均参考。采用标准化低分辨率脑电磁断层扫描进行源空间分析，聚焦两个特定网络：阿尔茨海默病典型受累的默认模式网络（DMN）和非AD疾病更常受损的突显网络（SN）。通过独立年轻健康受试者群体的静息态功能MRI分析定义这些网络，并将网络图谱在蒙特利尔神经学研究所（MNI）空间配准后划分感兴趣区域，最终提取各频段（δ波1–3.5 Hz，θ波4–7.5 Hz，α1波8–10 Hz，α2波10.5–12 Hz，β波12–30 Hz）的电流源密度（CSD）和线性滞后连通性（LLC）指标。
结果
A+患者在DMN和SN中均表现出皮层活动的普遍减缓。MCI A+患者在两个网络中θ波CSD和LLC显著升高，后部DMN区域差异最显著，符合早期网络超连通性特征。在MCI A+患者中，转化者表现出DMN α1波CSD降低，以及DMN和SN的α波LLC减弱。β波段未见显著变化。
基于显著脑电特征训练的支持向量机分类器显示：采用Shapley附加解释（SHAP）特征选择方法，以枕部θ波CSD和额部α1波LLC作为主要预测指标，在全组和MCI组水平的淀粉样蛋白状态预测，以及MCI转化预测中均达到约60%的平衡准确率，5折交叉验证结果稳健。
结论
本研究证实AD早期即可通过静息态脑电检测到皮层电活动紊乱。θ波电流源密度和网络连通性可作为淀粉样蛋白相关病理的早期标志物，而α波连通性在疾病早期相对保留，在进展至痴呆阶段时下降。这些发现揭示了从早期θ波兴奋性异常到α波断连的演变轨迹，标记了突触功能障碍和神经变性。机器学习模型为早期检测和风险分层提供了新途径，DMN相对于突显网络表现出更一致的损伤，凸显其在AD中的选择性脆弱性。
RS-EEG可支持记忆诊所的可扩展筛查策略，尤其适用于无法获取淀粉样蛋白PET或CSF生物标志物的医疗环境。未来研究方向包括纵向验证、与血浆生物标志物整合，以及建立多模态疾病进展预测框架。
【全文结束】
