《npj Aging》：Association of brain age gap with BMD and incident fractures in the UK Biobank
编辑推荐：
为解决脑老化与骨骼健康衰退在老年人群中并存、且缺乏整合性生物标志物的问题，研究人员利用英国生物样本库（UK Biobank）数据，开展了关于影像学衍生的脑龄差（BAG）与多部位骨密度（BMD）及全部位骨折风险关联的大规模队列研究。结果表明，更高的脑龄差（即大脑更显衰老）与更低的骨密度和显著升高的骨折风险相关。此研究揭示了脑与骨骼衰老进程之间存在潜在的共同生物学基础，为早期识别骨质疏松和骨折高危人群提供了新的影像学指标。
随着全球人口老龄化进程的加速，衰老相关的健康问题日益凸显。其中，大脑的退行性变化与骨骼系统的脆弱化（如骨质疏松和骨折风险增加）常常在老年个体中同时出现，严重影响着老年人的生活质量和独立生活能力。然而，长期以来，神经系统的衰老与骨骼系统的衰老在临床研究和诊疗实践中往往被分割看待。是否存在一个能够跨越这两个系统、并更早、更灵敏地反映个体整体衰老程度的生物学指标？这个问题对于实现衰老相关疾病的早期预警和干预至关重要。
近年来，随着神经影像技术和人工智能的发展，一种名为“脑龄”的指标应运而生。研究者可以利用大脑磁共振成像（MRI）数据，通过机器学习模型预测出一个人的“大脑年龄”。将这个预测的脑龄与个体的实际年龄（即时序年龄）相减，就得到了“脑龄差”（Brain Age Gap, BAG）。如果一个人的BAG为正值，意味着他的大脑影像特征看起来比其实际年龄更老；反之，则为更年轻。越来越多的证据表明，BAG是一个比单纯时序年龄更强大的预测因子，能够更有效地预警多种与年龄相关的神经退行性疾病和认知功能下降。那么，这个反映大脑衰老状态的指标，是否也能像一面镜子，映照出骨骼系统的健康状况呢？这正是发表在《npj Aging》上的这项研究试图解答的核心问题。
为了探索大脑衰老与骨骼健康之间的隐秘联系，研究团队利用了大规模人群队列——英国生物样本库（UK Biobank）的资源。他们纳入了28,705名平均年龄为63.2岁的参与者，这些参与者均接受了脑部MRI扫描。研究人员从这些脑影像中提取了多达1705个影像学表型，并采用LASSO回归这一机器学习方法，构建了预测个体脑龄的模型。基于此模型计算出的BAG，被作为核心暴露变量。研究的结局指标则包括四个关键部位的骨密度（BMD）测量值（股骨颈、股骨转子、腰椎和全身），以及通过医疗记录追踪获得的全部位骨折事件。通过一系列严谨的统计分析，研究团队揭示了BAG与骨骼健康之间的深刻关联。
研究结果显示：
- 1.
BAG与骨密度呈显著负相关：分析表明，BAG每增加1岁（即大脑影像看起来更老1岁），与多个部位的骨密度下降显著相关。具体而言，股骨颈BMD、股骨转子BMD、腰椎BMD和全身BMD均随之降低，且所有关联都具有极高的统计学显著性（P值远小于0.05）。这意味着，大脑看起来越衰老的个体，其骨骼也倾向于更“脆弱”。
- 2.
BAG与骨折风险呈显著正相关：在考察临床硬终点——骨折风险时，研究发现更高的BAG与更高的全部位骨折风险相关联。风险比（HR）为1.06，这意味着BAG每增加1岁，骨折风险平均增加6%。
- 3.
性别和绝经状态是关键修饰因素：研究进一步发现，BAG与骨密度的关联强度并非一成不变，而是受到性别和女性绝经状态的显著影响。具体来说，这种关联在男性和绝经后女性中表现得更为强烈。这一发现提示，性激素可能在链接大脑与骨骼衰老的共通生物学通路中扮演重要角色。
结论与讨论部分归纳指出，这项研究首次在大规模人群中系统性地证实了基于MRI的脑龄差（BAG）与骨密度降低及骨折风险升高之间存在显著关联。研究结果有力地支持了“脑-骨轴”存在的假说，暗示大脑与骨骼的衰老可能共享某些内在的生物学机制，如慢性炎症、氧化应激或激素调节通路的紊乱。BAG作为一个无创、可量化的影像学生物标志物，不仅为神经衰老提供了度量，也可能成为评估骨骼衰老和骨折风险的潜在新型工具。这为未来开发跨系统的抗衰老干预策略提供了新的思路和靶点。更重要的是，该研究提示临床医生，在关注老年人骨骼健康时，或许也应该留意其大脑的影像学衰老迹象，反之亦然，从而实现对衰老相关风险更全面的评估和管理。尽管仍需前瞻性研究和机制探索加以验证，但这项研究无疑为理解人类整体衰老进程开辟了一个新颖且富有前景的交叉视角。
