Mass General Brigham的研究人员开发了一种人工智能工具，该工具通过使用脑电图（EEG）来分析睡眠期间记录的大脑活动。EEG是一种非侵入性技术，通过放置在头皮上的传感器来测量大脑的电活动。该AI工具是基于一组65岁以上女性的睡眠研究数据开发的，并对这些女性进行了为期五年的跟踪。
研究人员发现，脑电波模式中的细微差异可以预测哪些参与者将来会被诊断出认知障碍。这项研究发表在《阿尔茨海默病杂志》上，表明可穿戴EEG设备可以帮助识别有痴呆风险的个体，从而为早期干预铺平道路。
“通过使用新颖的复杂分析、先进的信息理论工具和AI，我们可以检测到睡眠期间脑电波模式的细微变化，这些变化预示着未来的认知障碍，为干预提供了数年前的机会。”主要作者Shahab Haghayegh博士说。Haghayegh是麻省总医院麻醉、重症监护和疼痛医学系的成员，也是Mass General Brigham医疗系统的创始成员之一，同时也是哈佛医学院的成员。
Haghayegh及其同事分析了为另一项关于骨折风险的研究收集的数据。在这项研究中，65岁及以上的女性在进行一系列认知测试的同时，还参加了一个夜间EEG睡眠研究。研究人员重点关注了281名在初始睡眠研究时认知功能正常的参与者，并在五年后重复了同样的认知测试。到第二次评估时，这些女性中有96人出现了认知障碍。
他们应用最先进的信息理论技术从睡眠研究中收集的EEG数据中提取脑电波模式。利用AI，研究人员发现，在后来表现出认知障碍迹象的人群中，症状出现前就已经存在脑电波特征的变化，尤其是在深度睡眠期间的伽马频段频率。该AI工具成功地识别出了85%后来发展成认知障碍的个体，总体准确率为77%。
研究人员表示，这些发现可能有助于在认知障碍发生前数年识别患者，并暗示未来可穿戴EEG设备可能成为预测认知衰退的强大工具。早期检测可以为个体提供宝贵的时间，以便他们能够接受治疗并进行生活方式调整，以帮助维持认知健康。
作者指出，进一步的研究需要验证这些发现在更广泛的人群中的适用性，包括男性和更多样化的人群，以验证深度睡眠期间伽马波活动改变与未来认知障碍之间的联系。
研究的一个局限性是它依赖于单个夜晚的睡眠数据。然而，资深作者Kun Hu博士，布里格姆妇女医院睡眠和昼夜节律障碍科生理学家兼哈佛医学院教授指出，多晚的EEG数据可能会更准确地预测未来的认知障碍。
“新批准的阿尔茨海默病治疗方法在早期阶段有效，但在晚期则无效。”Hu说。“甚至在某人出现认知衰退迹象之前进行的干预措施可能会更有效。”
这项研究还提出了另一个令人兴奋的可能性，即在睡眠期间操纵大脑电活动可能降低认知衰退的风险。Haghayegh和Hu目前正在设计一项临床研究，评估电刺激是否可以改变睡眠期间的EEG模式，从而减缓认知衰退。
“这项研究特别重要的地方在于，我们可以通过简单的整夜EEG记录来识别那些有风险的人。”Haghayegh说。“这可能会彻底改变我们处理痴呆预防的方式。”
(全文结束)
