大脑衰老速度是否快于实际年龄？睡眠或成关键线索
2026年3月26日
苏珊娜·利，加州大学旧金山分校
供稿：加州大学旧金山分校
根据加州大学旧金山分校与波士顿贝斯以色列女执事医疗中心主导的研究，睡眠期间记录的脑电波经机器学习分析，或可识别痴呆高风险人群。
该研究发现，当基于睡眠信号（通过脑电图估算）的"大脑年龄"超过实际年龄时，痴呆风险随之上升。大脑年龄每超出实际年龄10岁，痴呆风险即升高近40%；反之，若大脑年龄低于实际年龄，则痴呆风险降低。此项发表于3月19日《美国医学会网络开放》期刊的研究揭示了睡眠监测的新维度。
传统睡眠指标的局限
研究团队采用整合13项脑电波微观结构特征的机器学习模型，数据源自约7,000名参与五项研究的受试者。参与者年龄介于40至94岁，入组时均无痴呆症状，随访期3.5至17年间，约1,000人发展为痴呆患者。
研究发现，睡眠期间脑波的精细尺度模式分析能揭示传统睡眠指标常忽略的重要信息。早先针对多个队列的汇总分析显示，痴呆风险与传统睡眠指标（如各睡眠阶段时长或整体睡眠效率）无显著关联。
"宽泛的睡眠指标无法充分捕捉睡眠生理学的复杂多维特性，"资深作者、加州大学旧金山医学院精神病学副教授Yue Leng博士指出，"睡眠期间的脑活动为评估大脑衰老状态提供了可测量的窗口。"
脑波模式与认知健康的关联
多项构成大脑年龄的睡眠脑电图模式已知与脑健康及记忆相关。其中包括与深度睡眠相关的滚动波形德尔塔波，以及与记忆巩固相关的短时高频脑活动——睡眠纺锤波。
研究最显著发现之一是：脑电图上突发的大振幅尖峰（称为峰度）与较低痴呆风险相关。研究者还证实，即使考虑教育程度、吸烟史、身体质量指数、体力活动及其他健康状况与遗传风险因素后，"年长"大脑年龄与痴呆风险的关联依然显著。
早期检测的应用前景
研究者指出，由于睡眠脑电图信号可无创采集，大脑年龄评估未来或可用于非临床场景的风险检测，例如通过可穿戴技术实现。
"大脑年龄通过睡眠脑波计算得出，"Leng解释道，"我们已知睡眠期间的脑活动能清晰反映大脑衰老状况。"该发现同时提示改善睡眠健康可能影响大脑衰老进程。Leng提到，既往研究证实治疗睡眠障碍可改变相关脑波模式。
"优化身体管理或有成效，例如降低身体质量指数、加强运动以减少睡眠呼吸暂停风险，"共同开发该模型的贝斯以色列女执事医疗中心神经病学助理教授Haoqi Sun博士指出，"但并不存在改善脑健康的神奇药丸。"
共同作者： 贝斯以色列女执事医疗中心的Robert J. Thomas博士与M. Brandon Westover博士共同开发了该机器学习模型。其他作者详见论文。
资金支持： 美国国立卫生研究院（R01NS102190等项目）、美国国家老龄化研究所（R21AG085495等）、国家科学基金会（2014431）、澳大利亚国家健康与医学研究委员会（GTN2009264）、美国睡眠医学会。
利益声明： 详见论文。
【全文结束】
