睡眠中隐藏的脑波特徵可能正悄悄记录着大脑衰老的过程。根据 3 月 19 日发表於《JAMA Network Open》的最新研究，科学家利用机器学习技术分析夜间睡眠脑波，成功开发出一种衡量「大脑年龄」（brain age）的新方法，能有效预测未来罹患失智症的风险。

这项研究由加州大学旧金山分校（UCSF）与波士顿贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）共同领导。研究团队建立了一个机器学习模型，深入分析 13 种细微的脑波活动特徵。该研究数据涵盖了约 7,000 名年龄介於 40 至 94 岁的受试者，这些参与者在加入研究时均无失智迹象，随后接受了长达 3.5 至 17 年的追踪观察，期间约有 1,000 人被诊断出患有失智症。

研究结果显示，当估算出的「大脑年龄」高於实际年龄时，罹患失智症的可能性会显着增加。具体而言，大脑年龄每比实际年龄老 10 岁，失智风险就会上升近 40%。相反地，大脑年龄显得比实际年龄年轻的人，其患病风险则较低。这项发现即便在考量了教育程度、吸菸习惯、身体质量指数（BMI）、运动量、其他健康状况及遗传风险等因素后，依然具有强大的相关性。

UCSF 精神病学副教授冷岳（Yue Leng）指出，传统的睡眠指标（如睡眠总时数或睡眠效率）无法完全捕捉睡眠生理的复杂多维性质，因此在过去的分析中，并未发现这些指标与失智风险有明确关联。然而，透过 AI 分析细微的脑波模式，可以发现标准睡眠测量容易忽略的线索。

研究中提到的特定脑波特徵与认知健康息息相关，包括与深层睡眠有关的 Delta 波，以及与记忆巩固相关的睡眠纺锤波（sleep spindles）。此外，研究还发现一种被称为「峰度」（kurtosis）的高振幅尖峰信号，与降低失智风险有关。

由於脑波（EEG）信号可以透过非侵入性方式记录，研究人员认为，未来这项技术有望应用於临床环境之外，甚至整合进穿戴装置中。贝斯以色列女执事医疗中心的神经学助理教授孙浩奇（Haoqi Sun）表示，虽然目前没有改善大脑健康的「灵丹妙药」，但透过良好的身体管理，例如降低 BMI 和增加运动以减少睡眠呼吸中止症的发生，可能有助於改善睡眠品质，进而对大脑衰老产生积极影响。

科技新报

图档来源 : 123rf