ScienceDaily 7月31日报道，加州大学旧金山分校和Beth Israel Deaconess Medical Center研究人员开发了一种机器学习方法，通过分析睡眠期间脑电图信号估算“脑龄”，并评估其与痴呆风险的关系。相关研究发表于JAMA Network Open。报道称，当脑电信号显示的大脑年龄高于实际年龄时，参与者后续发生痴呆的风险更高。
研究团队从睡眠脑电记录中提取13项微观特征，并将模型应用于约7000名成年人资料。这些参与者来自5项研究，年龄40至94岁，入组时均未患痴呆，随访时间为3.5年至17年。随访期间约1000人发展为痴呆。分析显示，估算脑龄与实际年龄之间每增加10年差距，发生痴呆的可能性上升近40%；相反，估算脑龄低于实际年龄者风险较低。
研究人员指出，传统睡眠指标可能无法捕捉睡眠生理的复杂性。既往多队列汇总分析未发现痴呆风险与常见睡眠测量之间存在有意义关联，例如不同睡眠阶段所占时间或夜间睡眠效率。而本研究所用的脑电细节模式更细，包括深睡眠常见的delta波、与记忆巩固有关的睡眠纺锤波等。
报道还提到一个较突出的发现：脑电信号中较大的突然尖峰，即kurtosis特征，与较低痴呆风险相关。估算脑龄偏高与痴呆风险升高之间的关联，在研究人员校正教育水平、吸烟、体重指数、体力活动、其他疾病和遗传风险因素后仍然存在。资深作者Yue Leng表示，睡眠中的脑活动为观察大脑衰老状况提供了可测量窗口。
由于脑电检测本身不需要侵入性操作，研究团队认为，未来睡眠脑龄指标可能用于传统诊所以外的痴呆风险评估，例如可穿戴设备如果能够记录足够质量的睡眠脑信号，或许可参与早期风险识别。第一作者Haoqi Sun也提到，既往研究显示治疗睡眠障碍可改变睡眠脑电活动，降低体重指数、增加运动并减少睡眠呼吸暂停可能影响相关脑电模式。
这项研究仍是风险关联研究，不能把睡眠脑龄直接等同于痴呆诊断，也不能说明目前已有简单药物可逆转脑龄。报道明确提到，没有能改善脑健康的“神奇药丸”。相关模型若要进入临床或可穿戴设备场景，还需进一步验证其准确性、适用人群和实际干预价值。
原文链接：http://www.sciencedaily.com/releases/2026/07/260729051540.htm
免责声明：本文仅供医学资讯参考，不构成诊疗建议。
