对大脑年龄差异与认知功能及β-淀粉样蛋白积累之间关联的探索性分析：基于代谢和生理血液标志物进行参与者筛选

《Neurobiology of Aging》：Exploratory analysis of the associations of the brain age gap with cognitive function and amyloid-β accumulation: participants selection based on metabolic and physiological blood markers

脑年龄差距（BAG）作为反映衰老和神经退行性疾病的生物标志物，其与痴呆相关指标的关系存在不一致结论。本研究通过纳入代谢和生理血液参数筛选健康参与者，构建了基于MRI数据的脑年龄预测模型（Model 1和Model 2）。结果显示Model 2在淀粉样蛋白阳性组中BAG显著更高，且与β淀粉样蛋白沉积及认知功能（MMSE）的关联性更强。研究提示优化参与者筛选标准可能增强BAG与神经退行性病理的关联，但受限于小样本独立测试集，结论需进一步验证。

　　

南川修人|小山和也|柴川修平|佐保达宪典|吉丸大辅|原田智也|绿川龙二|堀健辅|小泽卓也|津田圭辅

日本东京顺天堂大学健康科学研究生院放射技术系

摘要

“大脑年龄差异”（Brain Age Gap，BAG）是指通过人工智能基于MRI估算的大脑年龄与实际年龄之间的差异，它被提出作为一种反映衰老和神经退行性变化的生物标志物。然而，以往研究中关于BAG与痴呆相关生物标志物之间关联性的研究结果并不一致。传统的训练数据集主要基于病史和MRI检查结果进行构建，这些数据集中可能包含了存在代谢和生理异常的参与者，这可能是导致结果不一致的原因之一。在这项探索性研究中，我们考察了在参与者筛选过程中纳入代谢和生理血液检测参数是否会影响BAG与痴呆相关生物标志物之间的关联性。利用680名参与者的MRI和血液检测数据，我们开发了两个基于机器学习的脑年龄模型。模型1基于传统的筛选标准，而模型2则额外纳入了血液检测参数。我们对38名同时接受了MRI和淀粉样蛋白PET成像的参与者进行了BAG的估算。使用Wilcoxon秩和检验评估了淀粉样蛋白阳性组与阴性组之间的差异，并通过Spearman等级相关分析评估了BAG与标准化摄取值比、Centiloid量表和简易精神状态检查之间的关联性。模型2显示淀粉样蛋白阳性组的BAG更高，并且与淀粉样蛋白β的积累及认知功能之间的关联性更强。这些结果表明，在参与者筛选中纳入代谢和生理血液检测参数可能有助于更清晰地体现BAG与痴呆相关生物标志物之间的关联性。但由于独立测试数据集规模较小，这些结果应被视为探索性的，需要进一步在更大规模的数据集中进行验证。

部分内容摘录

1. 引言

衰老是一个复杂的生物学过程，它同时影响大脑的结构和功能。研究表明，衰老与认知能力下降、死亡风险增加、灰质体积线性减少以及脑室体积线性增加有关（Good等人，2001年；López-Otín等人，2013年）。在额叶和内侧颞叶等大脑皮层区域，衰老会导致皮层厚度、体积和表面积的萎缩（Tisserand等人，2002年）。

2.1 参与者

脑年龄模型的训练数据包括2022年1月4日至2023年6月6日期间在LSI札幌诊所（Shin-Sanken Medical Corporation）接受健康检查的680名参与者的MRI图像和血液检测结果。基于这些数据，构建了两个模型：模型1仅基于病史和MRI检查结果筛选参与者，而模型2则在上述基础上额外纳入了血液检测参数。

3.1 健康参与者的大脑年龄估算准确性

每个模型的脑年龄预测准确性通过以下方式评估：将最终模型应用于整个训练数据集时的表现、嵌套交叉验证外部循环的结果（图2），以及在独立测试数据集（n=38）上的表现（图3）。图3中的散点图展示了在考虑年龄偏差影响后，预测脑年龄与实际年龄之间的关系。

4.1 主要研究结果总结

本研究探讨了在参与者筛选过程中纳入代谢和生理血液检测参数对BAG与痴呆相关生物标志物之间关联性的影响。在独立测试数据集中，淀粉样蛋白β阳性组的BAG显著更高，其与淀粉样蛋白β负荷和认知功能之间的关联性也比模型1更强。尽管两个模型在训练数据集中的预测准确性均较高，

5. 结论

研究发现，在基于MRI结果和病史的传统筛选标准的基础上，再结合代谢和生理血液检测参数进行参与者筛选时，BAG与淀粉样蛋白积累及认知功能之间的关联性更为明显。此外，淀粉样蛋白阳性组的BAG显著更高，这表明BAG在一定程度上能够反映与年龄相关的变化以及病理性的改变。

作者贡献声明

堀健辅：撰写、审稿与编辑、项目监督。小泽卓也：软件开发、数据分析、数据管理。原田智也：撰写、审稿与编辑、资源协调、数据管理。绿川龙二：撰写、审稿与编辑、资源协调、数据管理。南川修人：撰写、审稿与编辑、初稿撰写、数据可视化、方法论设计、实验设计、数据分析、概念构思。小山和也：撰写、审稿与编辑。

伦理批准声明

本研究已获得顺天堂大学健康科学学院伦理委员会的批准（批准编号：00179），所有参与者均签署了书面知情同意书。

资金支持

作者声明本研究获得了用于研究、署名及/或发表本文的财务支持。本工作得到了顺天堂大学的跨学科合作项目资助（资助编号：AH531K2402，资助对象：SS）。

关于写作过程中使用生成式AI和AI辅助技术的声明

作者未声明使用任何生成式AI或AI辅助技术。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。