痴呆预防已从愿景转变为有组织的科学议程。然而，尽管体液生物标志物、神经影像学和遗传风险分析取得重大进展，仍缺乏可通过广泛普及技术实现的可扩展工具，用于在临床症状出现数年前早期识别高风险人群。孙等人利用五个纵向队列的个体参与者数据荟萃分析，提出了一种引人注目的候选工具——基于睡眠脑电图(EEG)的脑龄指数(BAI)，该指数通过可解释的机器学习方法构建。核心发现既简洁又显著：BAI每增加10年，新发痴呆风险约升高39%，且该关联独立于实际年龄、性别、载脂蛋白E ε4状态、基线认知功能、共病及睡眠呼吸暂停严重程度。这一关联在五个社区队列中保持一致，随访期跨度3.6至16.9年，累计超1000例新发痴呆病例。换言之，基于睡眠脑电图的BAI似乎捕捉到了无法通过常规人口学或临床风险因素解释的神经生理衰老维度。
既往研究反复表明，宏观睡眠指标（如总睡眠时间、睡眠效率或各阶段睡眠时长）与痴呆风险的关联至多微弱且不一致。近期一项包含其中四个队列的汇总分析显示，新发痴呆与N1、N2、N3、REM睡眠时长、入睡后觉醒时间或呼吸暂停低通气指数均无显著关联。这些宏观睡眠指标受评分规则影响，可能忽略了更细微的神经动态变化。孙等人的研究通过将关注点从宏观结构转向脑电图微结构（即特定频段的谱功率、纺锤波和慢波振荡特征，以及各睡眠阶段的波形特性）推动了领域发展。作者未单独检验数十个微结构特征（此类方法统计负担较重），而是采用脑龄框架：在脑健康个体中，先训练模型通过多特征睡眠脑电图预测实际年龄，再将BAI计算为脑电图预测脑龄与实际年龄的差值。正向BAI代表神经生理表现更老，负向BAI则提示相对韧性。此项研究的突出价值在于，BAI作为神经生理衰老的通用标志物，先在独立队列中开发，再前瞻性地针对痴呆结局进行验证，这种设计增强了其作为稳健加速脑衰老标志物的可信度，而非过拟合的预测工具。
本研究的分析严谨性值得强调。在每个队列中，作者采用精细-格雷竞争风险模型，将死亡视为竞争事件——这在老年人群中至关重要，因其死亡风险高且与痴呆风险重叠。随后通过逆方差随机效应荟萃分析汇总风险比(HRs)，以适应不同队列在人群构成、随访和结局评估方面的差异。结果的多个方面尤为突出：各队列痴呆发病率较高（6.6%-34.3%），随访期长达16.9年，为生存分析提供了充分的事件率。在完全校正模型中，BAI每升高10年，痴呆风险增加39%（风险比1.39，95%置信区间1.21-1.59）。校正教育程度、身体质量指数、吸烟、体育活动及安眠药使用后，该关联未明显减弱。进一步校正整体认知功能、血管代谢共病（糖尿病、高血压、心肌梗死、卒中）、抑郁、呼吸暂停-低通气指数及载脂蛋白E ε4状态仅小幅降低关联强度（风险比1.22至1.31），表明BAI提供了超越标准临床和遗传风险因素的信息。该关联在年龄分层（<70岁 vs ≥70岁）中保持一致，两性均观察到此现象，且在女性中关联强度略大。重要的是，作者进行了多项敏感性分析，排除痴呆评估细节不足或更依赖行政编码的队列，BAI与痴呆的关联始终显著，支持主要发现的稳健性。
BAI作为痴呆风险标志物的生物学合理性在于其与神经生理的直接关联。睡眠脑电图慢波、纺锤波及其耦合深度参与突触稳态、记忆巩固和大规模网络协调。这些信号的年龄相关变化（包括纺锤波密度降低、慢振荡动力学改变及脑电图减速）已与神经退行性结构和分子标志物相关联，尤其在丘脑皮层和海马回路中。通过将BAI分解为成分特征，该研究提供了机制线索：13个脑电图微结构特征中有10个与痴呆风险显著相关。深层睡眠阶段（N2和N3）的特征（如反映K复合波活动的波形峰度）普遍具有保护作用（高值关联低风险），而N1特征则与痴呆风险正相关。这种模式印证了保留深层睡眠微结构可能提示神经生理韧性，而睡眠碎片化或浅化可能伴随并加剧神经退行性过程的观点。值得注意的是，校正载脂蛋白E ε4状态对关联影响甚微，表明BAI并非仅是遗传风险的下游表现，它可能反映了作用于睡眠回路的神经退行、血管疾病及其他衰老过程的汇聚影响。
一个根本性问题在于：在包含血浆生物标志物、结构与分子影像及日益复杂的认知范式的痴呆风险分层新兴体系中，BAI应如何定位？其潜在角色显而易见：首先，通过将睡眠脑电图指数嵌入常规家庭多导睡眠监测，可实现早期无创风险分层，标记需密切监测或生物标志物检测的人群；其次，它可通过识别脑加速衰老的社区老年人群，丰富预防性临床试验的入组；第三，BAI可能通过添加整合血管、神经退行和网络功能障碍的系统水平衰老特征，补充分子生物标志物；最后，纵向BAI轨迹可提供神经退行的早期预警。
尽管优势显著，该研究仍存在重要局限与未解问题。队列在人口学特征、痴呆评估和随访方案上存在差异；尽管随机效应荟萃分析和敏感性分析缓解了部分担忧，异质性依然存在。依赖诊断编码和住院数据可能导致病例漏诊和发病时间判定不精确，使估计值偏向无效假设。观察性设计无法进行因果推断，因为BAI升高可能反映早期神经退行、共享风险因素，或早期病理对睡眠回路的影响。尚不清楚改变睡眠微结构能否调节BAI或痴呆风险。BAI是多导睡眠图衍生的复合指标，本身不可直接干预，其效用取决于能否识别可调节的微结构成分并验证更便捷脑电技术的BAI适用性。最后，普适性存疑：队列可能未充分涵盖老龄化人群的种族、民族和社会经济多样性，其在多元群体和环境中的表现有待验证。
总之，痴呆研究正迈向整合性多模态风险评估，融合遗传数据、血浆生物标志物、影像学、数字表型及精细认知测试。在此格局中，基于睡眠脑电图的BAI占据独特位置：它反映实时脑生理、依托广泛应用的临床技术，并将复杂神经信息浓缩为可解释的脑龄指标。本研究表明，BAI可能是社区老年人群未来痴呆的有意义独立预测因子。下个挑战在于将BAI整合到实用筛查策略中，明确其与其他生物标志物的互补性，并测试针对睡眠与脑健康的干预能否改变其轨迹。若经验证且具备可扩展性，此类工具有望被高级医疗和研究中心部署，助力痴呆照护向更早的精准风险分层转型。
【全文结束】
