科学家们正在揭示睡眠大脑中隐藏的一个微妙而强大的信号，它可能揭示大脑衰老的速度以及与未来痴呆风险的关系。通过机器学习分析复杂的脑电图（EEG）模式，研究人员发现了生物脑龄与实际年龄之间的可测量差异。图片来源：Shutterstock
睡眠脑电波中的隐藏特征可能悄悄追踪大脑的衰老过程
发展为痴呆症。这项研究由加州大学旧金山分校（UC San Francisco）和波士顿的贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）共同领导，利用机器学习分析了夜间记录的脑电波。
研究团队聚焦于一种称为“脑龄”的指标，该指标通过睡眠EEG信号估算得出。当基于脑电的年龄高于实际年龄时，患痴呆症的可能性增加。
脑龄每超过实际年龄10年，痴呆风险就会上升近40%。相比之下，脑龄低于实际年龄的人风险较低。
该研究结果于3月19日发表在《JAMA Network Open》上。
为了得出这些结论，研究人员构建了一个机器学习模型，该模型检查脑电波活动的13个详细特征。他们将其应用于来自约7000名参与者的数据，这些参与者分别参与了五项独立研究。
参与者的年龄范围为40至94岁，在入组时均无痴呆迹象。他们被追踪了3.5年至17年不等，期间约有1000人被诊断出患有该疾病。
分析显示，睡眠脑电波的细微模式可以提供标准睡眠测量常常遗漏的线索。早期对多个研究组的综合分析发现，在睡眠时间、不同睡眠阶段时长或整体睡眠效率等常见睡眠指标与痴呆风险之间没有显著关联。
“广泛的睡眠指标并不能完全捕捉睡眠生理学的复杂多维性质，”资深作者、加州大学旧金山分校医学院精神病学副教授冷岳（Yue Leng）医学博士、哲学博士说。
脑电波模式与认知健康相关
已知与脑龄相关的特定EEG特征支持记忆和整体大脑功能。这些特征包括与深度睡眠相关的δ波，以及与记忆巩固相关的快速脑电活动短暂爆发——睡眠纺锤波。
一个显著的结果涉及脑电活动中的尖锐、高振幅尖峰，称为峰度。这些信号与较低的痴呆风险相关。
即使考虑了教育程度、吸烟、体重指数、体力活动、其他健康状况和遗传风险等因素，较老的脑龄与较高痴呆风险之间的关联仍然很强。
早期检测潜力
由于EEG信号无需侵入性操作即可记录，研究人员认为，未来可以在临床环境之外估算脑龄，包括通过可穿戴设备。
“脑龄是通过睡眠脑电波计算出来的，”冷岳说。“我们知道，睡眠期间的大脑活动提供了一个可测量的窗口，显示大脑衰老的程度。”
研究结果还暗示，改善睡眠质量可能会影响大脑的衰老方式。冷岳指出，早期研究表明，治疗睡眠障碍可以改变与睡眠相关的脑电波模式。
“改善身体管理，例如降低体重指数和增加运动以减少睡眠呼吸暂停的可能性，可能会产生影响，”第一作者、贝斯以色列女执事医疗中心神经学助理教授孙浩奇（Haoqi Sun）博士说，他与两位合著者共同开发了该模型。“但没有神奇的药丸可以改善大脑健康。”
参考文献：“基于机器学习的睡眠脑电图脑龄指数与痴呆风险：一项个体参与者数据荟萃分析”，作者：孙浩奇、Sasha Milton、Yi Fang、Hash Brown Taha、Shreya Shiju、Robert J. Thomas、Wolfgang Ganglberger、Matthew P. Pase、Timothy Hughes、Shaun Purcell、Susan Redline、Katie L. Stone、Kristine Yaffe、M. Brandon Westover 和冷岳，2026年3月19日，《JAMA Network Open》。DOI: 10.1001/jamanetworkopen.2026.1521
资助来源：美国国立卫生研究院（NIH）（R01NS102190, R01NS102574, R01NS107291, RF1AG064312, RF1NS120947, R01AG073410, RF1AG064312, R01NS102190, R01AG062531）；国家老龄化研究所（R21AG085495 和 R01AG083836）；国家科学基金会（2014431）；国家健康与医学研究委员会（GTN2009264）；美国睡眠医学学会。
【全文结束】