环球医讯认知障碍

一项长期MRI研究表明，持续减少腹部内脏脂肪（而非单纯体重减轻）与中晚年大脑萎缩显著减缓、关键脑结构保存以及认知能力保持密切相关。该研究由内盖夫本-古里安大学主导，跟踪533名参与者5至16年，发现内脏脂肪累积量与海马体萎缩速度和脑室扩张直接相关，而这种关联主要通过血糖控制和胰岛素敏感性介导。研究表明，即使体重减轻不明显，只要能持续降低内脏脂肪水平，就能有效保护脑结构，减缓认知功能衰退。这项发表在《自然通讯》的研究首次证实，内脏脂肪而非体重指数是大脑衰老的独立预测因素，为预防认知衰退提供了新的干预靶点。

莉兹·马修斯('26届)在12岁时因父亲罹患前额颞叶痴呆症而失去他，此后她将悲痛转化为行动，致力于相关研究与倡导工作。她在Lehigh大学参与神经退行性疾病研究，创立了全国青年成人支持小组，自2020年起为"前额颞叶退化协会"筹集约7000美元，并通过国际学习项目在多国探索痴呆症的不同文化视角，计划将科学与个人经历结合，改善患者家庭体验并推动系统性变革，体现了年轻一代在健康领域积极应对挑战的精神力量。

英国贝德福德郡发生的一起悲剧——一位88岁痴呆症患者被同养老院的92岁病友用拐杖打死——暴露了英国痴呆症护理系统的严重缺陷。尽管痴呆症是英国首要死亡原因，但多年来一直缺乏政府制定的护理质量与技能战略。专家指出，护理标准不明确、培训不足、责任不清等问题导致护理系统"惊人地停滞不前"，让患者及其家人在碎片化的体系中独自挣扎。新政策正在制定中，但实施仍需时日，预计将于2026年底推出现代服务框架，旨在为痴呆症护理设定国家标准并改善护理质量。

本文探讨了记忆丧失问题，特别是阿尔茨海默病对患者及其家人的影响，作者分享了自己经历短期记忆丧失的亲身经历，以及目睹母亲患阿尔茨海默病的痛苦过程，强调了在面对记忆问题时应践行"黄金法则"——像希望别人对待自己那样对待他人，保持耐心和善意，同时作为基督徒，作者也表达了对信仰带来内心平安的体验和对终极恢复的盼望。

澳大利亚横断面研究显示，超加工食品摄入量每增加10%（约150克/日），40岁以上成年人综合注意力评分下降0.05分，痴呆风险在CAIDE量表上增加0.24分，且该关联在遵循地中海饮食的人群中依然存在。研究证实食品加工过程本身可能独立于营养质量影响认知健康，超加工食品通过破坏食物天然结构并引入有害物质损害注意力功能，而该现象与记忆评分无显著关联，为全球约60%人口日常消费的超加工食品敲响健康警钟。

本周科学新闻涵盖多个关键领域发现：睡眠研究确定每晚7-8小时为降低痴呆风险的最佳时长，久坐和缺乏运动显著增加患病风险；猫咪停止进食源于对单一食物的厌倦而非饱腹感，实验证实多样化饮食可提升进食量；鱼油补充剂过量可能干扰脑损伤后的修复过程；次声波被证实可能是老建筑"闹鬼"感的科学解释，老化管道产生的低频振动引发恐惧感；痛风药物别嘌呤醇被发现可降低9%心脏病与中风风险；中国物理学家成功模拟"假真空衰变"量子过程，这一可能导致宇宙终结的现象为理论预测提供了实验验证。这些突破性发现展示了科学在健康医疗、日常现象解释及宇宙探索领域的最新进展。

波士顿儿童医院的最新研究发现，大脑中的免疫细胞（小胶质细胞）携带的通常与癌症相关的基因突变，可能在阿尔茨海默病的发展中起到关键作用。研究发现这些突变不仅存在于脑部，也出现在血液细胞中，表明可能存在从血液进入大脑的突变细胞，这些细胞可能导致炎症加剧和神经元损伤。这一发现为早期诊断和新疗法提供了可能性，如利用血液检测发现风险或采用癌症药物治疗阿尔茨海默病，尽管该研究尚未证实这些突变直接导致疾病，但它为理解阿尔茨海默病的复杂机制提供了新视角，有望推动未来更有效的检测和治疗方法发展。

加州大学洛杉矶分校的一项研究发现，许多影响大脑的药物（如抗精神病药物和睡眠药物）最初是在医院、急诊室和护理机构开始使用的，而非普通诊所。研究显示，约22%的痴呆症患者在医院等场所开始使用这些药物，超过一半的痴呆症患者一年后仍在使用。这些药物可能导致混乱、跌倒等严重副作用，而老年人尤其是痴呆症患者对这些副作用更为敏感。研究建议，关注医院和护理机构的处方行为可能是减少不必要或高风险用药的关键，从而改善老年人特别是痴呆症患者的护理安全。

神经认知障碍(NCDs)是一组导致记忆力、认知能力和行为进行性下降的疾病，最终导致生活自理能力丧失。痴呆症是这些障碍的终末阶段，其患病率正在快速上升，其中阿尔茨海默病(AD)是最常见原因。流行病学预测显示，到2050年，65岁以上人群的AD患病率将增至目前的四倍。目前，全球约5.5%至9%的人口受到影响，对医疗系统和患者家庭都造成了巨大的社会经济负担。基于生物标志物的诊断方法，特别是核医学成像技术，为早期准确诊断提供了重要手段，有助于患者获得及时治疗、优化临床管理、参与临床试验，以及进行家庭规划。

本研究评估了表格预训练基础网络TabPFN在预测轻度认知障碍(MCI)向阿尔茨海默病(AD)转化方面的性能，特别是在数据有限的情况下。研究使用阿尔茨海默病神经影像计划(ADNI)的TADPOLE数据集，比较了TabPFN与XGBoost、随机森林等传统机器学习方法在不同训练样本量下的表现。结果表明，TabPFN在小样本量(50-100例)情况下表现最佳(AUC=0.892)，显著优于传统方法，但在标准0.5决策阈值下平衡分类准确率较低，需通过阈值优化至0.14以提高性能。这一发现表明基础模型在数据稀缺的临床场景中具有重要应用价值，但部署时需进行特定任务的阈值校准，为早期阶段临床试验、新成立的记忆诊所或罕见阿尔茨海默病亚型研究提供了可行的预测工具。