一项由加州大学旧金山分校和波士顿贝斯以色列女执事医疗中心领导的研究表明，对睡眠期间记录的脑电波进行机器学习分析，可能有助于识别患痴呆症的高风险人群。研究发现，当一个人的“大脑年龄”（通过睡眠信号中的脑电图估算）超过其实际年龄时，痴呆风险会增加。
对于每10年脑龄与实际年龄的差距，痴呆风险上升近40%。反之，如果脑龄低于实际年龄，痴呆风险则较低。
该研究发表在《JAMA Network Open》上。
研究人员使用了一个机器学习模型，该模型整合了脑电图记录中13个脑电波的微结构特征。数据来自约7000名参与者，他们参与了五项研究。
参与者年龄在40至94岁之间，研究开始时均未患痴呆症。他们被追踪了3.5至17年，在此期间约有1000名参与者发展为痴呆症。
研究人员发现，分析睡眠期间脑电波的精细模式，可以提供传统睡眠指标常常忽略的洞察。早期的几项参与者队列汇总分析未发现痴呆风险与常规睡眠指标（如不同睡眠阶段的时间或整体睡眠效率）之间存在显著关联。
“广泛的睡眠指标无法完全捕捉睡眠生理学复杂的多维特性，”资深作者、加州大学旧金山分校医学院精神病学副教授岳冷（医学博士、哲学博士）说。
脑波模式与认知健康相关
有助于构成脑龄的几种睡眠脑电图模式已知在大脑健康和记忆中发挥作用。这些包括δ波（一种与深度睡眠相关的滚动波模式）和睡眠纺锤波（与记忆巩固相关的短暂、快速频率脑活动）。
最显著的发现之一是，在脑电图上看到的突然大尖峰（称为峰度）与较低的痴呆风险相关。
研究人员还发现，在考虑教育、吸烟、体重指数、体力活动以及其他健康状况和遗传风险因素后，“较老”脑龄与痴呆风险之间的关系仍然显著。
早期检测的潜力
由于睡眠脑电图信号可以非侵入性收集，研究人员表示，脑龄最终可能有助于在非临床环境中检测痴呆风险，例如通过使用可穿戴技术。
“脑龄是根据睡眠脑波计算得出的，”岳冷说。“我们知道睡眠期间的大脑活动提供了一个可测量的窗口，用于了解大脑衰老的情况。”
研究结果还提出了改善睡眠健康可能影响大脑衰老的可能性。岳冷指出，早期研究发现，治疗睡眠障碍可以改变与睡眠相关的脑波模式。
“更好的身体管理，例如降低体重指数和增加运动以减少呼吸暂停的可能性，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琦（哲学博士）说，他与两位合著者共同开发了该模型。“但没有任何神奇的药丸可以改善大脑健康。”
合著者包括贝斯以色列女执事医疗中心的罗伯特·J·托马斯（医学博士）和M·布兰登·韦斯特奥弗（医学博士、哲学博士），他们与孙浩琦共同开发了机器学习模型。
发表详情
《基于机器学习的睡眠脑电图脑龄指数与痴呆风险》，《JAMA Network Open》（2026年）。DOI: 10.1001/jamanetworkopen.2026.1521
期刊信息：《JAMA Network Open》
**关键医学概念：**痴呆、脑电图、睡眠障碍
**临床分类：**神经学、睡眠与恢复、睡眠医学、健康老龄化、常见疾病与预防
由加州大学旧金山分校提供
【全文结束】