基于功能脑网络多重分析揭示阿尔茨海默病拓扑生物标志物及其临床意义

本研究针对阿尔茨海默病(AD)早期诊断难题，通过构建多重脑网络模型，系统分析了25例AD患者与健康对照组的EEG频谱相干性数据。研究发现AD组呈现模块化降低、中心性转移及可控性下降等特征性拓扑改变，揭示了跨频段功能整合障碍，为AD的早期生物标志物识别和靶向治疗策略提供了新视角。

　　

通过多重网络分析技术，研究人员对阿尔茨海默病(Alzheimer’s Disease, AD)患者的功能性脑网络拓扑特征进行了深入探索。该研究基于公开的脑电图(EEG)数据集，纳入25名临床确诊AD患者与25名人口学匹配的健康对照(Healthy Controls, HC)，通过计算七个不同频段的频谱相干性构建功能连接矩阵，将大脑区域定义为网络节点，区域间相干性值作为加权边。

采用图论方法系统评估了包括模块化(modularity)、中心性指标（介数中心性/Betweenness与多重排名/MultiRank）、模体(motif)分布及网络可控性(controllability)在内的多项拓扑参数。结果显示：AD群体表现出显著降低的模块化程度、异常的中心性分布模式，以及更高频次出现的2节点和3节点模体，表明存在局部连接重组现象。同时，AD患者的驱动节点空间分布呈现明显改变，中心性分析发现网络枢纽向颞叶和岛叶皮层转移，提示代偿性或病理性功能重组。网络可控性分析显示AD患者需要更低的控制能量，且存在层间碎片化加剧，反映了跨频率整合功能的受损。

这些拓扑学改变与AD相关的网络退化密切相关。基于多频段EEG数据的多重网络分析方法展现出监测疾病进展和支持个性化治疗的临床潜力，能够在认知症状显现前检测到细微的连接异常。该研究为理解AD病理机制提供了新视角，并为早期诊断和靶向治疗策略的开发提供了重要依据。