环球医讯认知障碍

本文揭示了多种与痴呆症相关的日常习惯，指出尽管遗传因素无法改变，但生活方式的选择对预防痴呆症具有关键作用。目前英国约有100万人患有痴呆症，且超过三分之一患者未被诊断，预计到2040年将增至140万。伦敦大学学院吉尔·利文斯通教授领导的研究表明，近一半的痴呆症病例可通过改变生活方式、健康状况和环境来预防或延缓，关键可改变风险因素包括吸烟、不良饮食、缺乏运动和高血压等。文章特别探讨了一些不太明显的风险因素，如不戴眼镜、忽视口腔卫生等日常习惯可能对认知健康造成的潜在影响，为公众提供了通过调整生活习惯降低患病风险的重要参考。

德蒙福特大学克里斯·克尼夫顿博士团队关于儿童痴呆症的研究报告《2025年苏格兰儿童痴呆症》获得英国痴呆症奖特别表彰，该研究推动苏格兰议会设立专项岗位资助，使苏格兰成为英国首个为受儿童痴呆症影响家庭提供专项资金支持的地区。研究揭示儿童痴呆症由约150种罕见遗传代谢疾病引发，每年导致英国超200名儿童死亡，半数患儿十岁前夭折，但公众认知度远低于儿童癌症；此次获奖标志着儿童痴呆症开始获得更广泛的社会关注，团队正推动将相关罕见疾病统一归类以改善诊疗支持体系。

布拉德福德市议会公共卫生团队启动了"健康生活，大脑为重"倡议，针对40至65岁人群，旨在降低痴呆症风险。目前该地区已有超过6000人患有痴呆症，预计这一数字还将上升，但研究表明十分之四的痴呆症病例可以通过健康生活方式预防。该倡议重点关注六个关键领域：体育活动、不吸烟和少饮酒、健康饮食、保持听力和视力、保持社交和精神活跃，以及管理长期健康状况。布拉德福德公共卫生主管豪尔赫·塞佩达表示，痴呆症不是衰老的必然结果，通过今天采取行动投资健康，可以显著提高未来保持身心健康的机会，且开始改变永远不会太晚。

本文深入分析了美国农村社区在阿尔茨海默病诊疗方面面临的严峻挑战，揭示了专科医生短缺、医疗资源匮乏以及早期诊断机会有限等关键问题。文章指出农村地区人口老龄化更快、健康状况更脆弱，近四分之三农村医生表示缺乏足够的痴呆症专家，而最新获批的血液检测技术虽有望缩小城乡医疗差距，但需政策支持确保联邦医疗保险覆盖常规筛查。作者呼吁通过《阿尔茨海默病筛查与预防法案》消除技术获取障碍，强调居住地不应决定一个人能否有尊严地面对这一重大健康挑战，农村社区必须被纳入国家抗击阿尔茨海默病的整体战略中。

丹麦哥本哈根大学研究团队开发出基于虚拟现实的认知矫正训练系统，通过模拟厨房等日常生活场景帮助抑郁症、双相情感障碍及精神病谱系障碍患者改善记忆、注意力和执行功能等认知缺陷，临床试验证实该VR训练能显著提升患者处理多步骤任务的能力，且脑成像数据显示其引发大脑信息处理机制的实际改变，这项发表在《柳叶刀-数字健康》期刊的突破性研究为精神疾病患者的认知功能康复提供了全新解决方案，有望弥补现有疗法对认知障碍干预不足的临床缺口。

8岁男孩科迪·卡罗尔因浓密眉毛引起医生注意，最终被诊断出患有罕见的桑菲利普症，一种被称为"儿童痴呆症"的致命遗传疾病。该病导致他丧失语言能力、行动能力，甚至无法吞咽固体食物，预期寿命仅到青少年中后期。科迪的母亲乔治亚分享了从发现耳部感染到正式确诊的痛苦历程，强调早期诊断对罕见病患儿的重要性，并积极呼吁提高公众对桑菲利普症的认识。目前她正寄希望于美国FDA即将批准的基因疗法UX111，希望能延长儿子的生命，同时抓紧时间为孩子创造更多美好回忆，包括计划中的巴黎迪士尼乐园之旅。

伯明翰大学研究人员主导的新研究表明，常见室内外空气污染物仅需60分钟暴露时间即可同时影响肺部功能和认知表现。研究发现，即使空气中颗粒物浓度相同，不同污染源（如柠檬烯、柴油尾气、木烟和烹饪排放物）产生的健康效应各不相同，揭示了污染源特性的重要性。该研究首次通过双盲临床试验验证肺-脑轴在空气污染反应中的关键机制，为理解空气污染如何增加痴呆症风险提供了新视角，提示未来空气质量评估应同时关注污染源成分而不仅限于颗粒物总量，对公共健康政策制定具有重要指导意义。

最新神经学研究显示，欧米伽-3脂肪酸补充剂可能加速老年人认知能力下降，睡眠-觉醒周期异常与痴呆症发生显著相关，携带阿尔茨海默病高风险基因的老年女性若存在睡眠问题则视觉记忆缺陷风险增加；单次MRI扫描或可预测阿尔茨海默病进展，业余足球比赛中的头球动作会导致急性神经损伤标志物升高，环境颗粒物暴露与路易体痴呆相关，非糖尿病癫痫患者联用二甲双胍可降低 seizure 相关发病率，孕妇重症肌无力风险未显著增加，且有强烈建议要求FDA对两种促醒药物添加妊娠期重大胎儿危害警告，这些发现对神经退行性疾病预防和临床实践具有重要指导意义。

本文详细阐述了寻求轻度认知障碍(MCI)早期诊断的五个关键原因，包括能够更早组建专业护理团队、及时获得针对性治疗、采取有效的生活方式改变、有充足时间规划未来生活以及可能参与前沿临床试验。文章强调，随着医学进步，早期诊断不仅能帮助延缓认知能力下降，还能提高生活质量，让患者在疾病早期阶段就获得最有效的干预，从而在更长时间内保持独立生活能力。

加州大学旧金山分校研究人员开发了一种创新的多任务深度学习策略，仅通过基线MRI和人口统计学数据即可准确预测阿尔茨海默病患者的认知功能，该方法克服了传统AI模型需要昂贵多模态神经成像的局限性，无需基线认知评估、PET扫描或基因分析，显著提升了预测速度和准确性，为早期诊断、疾病轨迹追踪和临床试验设计提供了新途径，同时这项技术有望扩展应用于帕金森病、肌萎缩侧索硬化症和亨廷顿病等其他神经退行性疾病的预测研究，对全球数百万阿尔茨海默病患者的早期干预具有重大临床意义。