基于机器学习的大脑年龄指数正逐渐成为预测痴呆症的有力指标，大规模证据表明，较高的大脑年龄指数分数与老年人未来痴呆症风险显著增加密切相关。
大脑年龄指数与痴呆症风险背景
大脑年龄指数反映了生物脑龄与实际年龄之间的差异，该指数源自睡眠脑电图数据。随着对数字生物标志物的兴趣日益增长，大脑年龄指数提供了一种非侵入性方法来评估痴呆症风险，并识别处于神经退行性变早期阶段的个体。在这项研究中，基于机器学习的睡眠脑电图大脑年龄指数(BAI)测量了基于睡眠脑电图推算的大脑年龄与实际年龄之间的偏差。
方法与结果
BAI通过可解释的机器学习算法进行计算，整合了从夜间家庭多导睡眠监测中央通道提取的睡眠脑电图特征。研究使用Fine-Gray模型评估BAI与各队列中新发痴呆症之间的关联，同时将死亡作为竞争风险进行考量。
这项个体参与者数据荟萃分析汇集了来自五个纵向队列的7105名无痴呆症成年人。分析显示，BAI每增加10年，新发痴呆症风险增加39%(风险比[HR]，1.39 [95%置信区间(CI), 1.21-1.59]；P<0.001)。在额外调整合并症和呼吸暂停-低通气指数得分后，这一关联仍然存在(HR，1.31 [95% CI, 1.14-1.50]；P<0.001)，在调整载脂蛋白E ε4等位基因后也依然显著(HR，1.22 [95% CI, 1.02-1.45]；P=0.03)，且在不同性别和年龄组中保持一致。
临床意义
这些发现将大脑年龄指数定位为痴呆症早期检测的有前景工具，有望整合到睡眠研究和常规风险评估中。未来研究应验证其在不同人群中的预测性能，并探索其与影像学生物标志物和体液生物标志物的协同作用。将大脑年龄指数纳入临床路径可以支持更早的干预、改善患者分层，并更高效地招募预防性试验参与者，最终推进痴呆症护理中的精准医学方法。
参考文献
Sun H等。基于机器学习的睡眠脑电图大脑年龄指数与痴呆症风险：一项个体参与者数据荟萃分析。JAMA Netw Open. 2026;9(3):e261521。
【全文结束】