定量睡眠脑电图（quantitative sleep EEG）能够识别阿尔茨海默病（Alzheimer’s disease）中与脑脊液（CSF）核心生物标志物相关的亚群

《GeroScience》：Quantitative sleep EEG identifies CSF core biomarker-related subgroups in Alzheimer’s disease

　　

摘要

阿尔茨海默病（AD）的早期检测和生物学特征分析仍然具有挑战性，因为目前的诊断方法依赖于侵入性的脑脊液（CSF）采样或昂贵的神经影像学检查，这限制了其可扩展性。睡眠定量脑电图（qEEG）提供了一种无创的大脑功能测量方法，可能捕捉到与AD早期相关的神经变化；然而，这些特征的高维度和复杂性限制了使用传统方法进行解释，需要多变量分析。本研究的目的是评估睡眠qEEG特征是否与NIA–AA 2024框架中定义的AD生物学分层相关。42名轻度至中度AD患者接受了整夜多导睡眠监测和CSF生物标志物检测，而58名认知功能正常的对照组提供了睡眠EEG记录。来自四个通道的EEG信号经过预处理后，按睡眠阶段进行分割，并使用线性、频谱和非线性特征进行特征分析。通过主成分分析（PCA）进行降维处理，该分析基于随机森林算法与CSF生物标志物（Aβ42、p-tau181、t-tau和神经丝轻链（NfL）的相关性进行指导。高斯混合模型（GMMs）被应用于患者级别的数据表示，包括衍生的混合比率（p-tau181/Aβ42），以识别生物学上一致的亚组。一个包含30个组分的简化qEEG表示方法解释了92.4%的方差，能够区分认知功能正常的个体和AD患者，并识别出三个AD亚群。这些亚组在CSF生物标志物谱型上表现出不同程度的差异，包括p-tau181/Aβ42和NfL。睡眠qEEG特征与CSF生物标志物谱型之间存在结构化的关联，并能够捕捉AD连续体中的变异性。这些发现表明，基于qEEG的高级机器学习方法可以在老年科学框架内补充现有的基于生物标志物的AD生物学特征分析方法。