健康与病理性衰老的神经生理机制：EEG与MEG系统综述揭示早期诊断生物标志物潜力

本研究系统综述942项EEG/MEG研究，揭示神经生理指标在区分健康衰老、轻度认知障碍（MCI）及痴呆（如阿尔茨海默病痴呆ADD）中的关键作用。研究发现频谱减慢（低频功率增加/高频功率降低）、功能连接性下降及事件相关电位（如P300、N400）异常是核心特征，提出标准化纵向设计与多模态融合策略可推动神经生理标志物向临床转化。

　　

随着全球老龄化进程加速，神经认知障碍如轻度认知障碍（MCI）和痴呆的患病率显著上升，预计2050年全球痴呆患者将达1.53亿。这类疾病不仅给患者家庭带来沉重负担，更造成巨大的社会经济压力。早期诊断和干预成为延缓疾病进展的关键，但现有生物标志物如脑脊液检测和神经影像技术虽取得进展，仍存在侵入性高、成本昂贵或普及性不足等问题。神经生理学技术如脑电图（EEG）和磁脑图（MEG）因其非侵入性、高时间分辨率及较低成本展现出独特优势，然而其临床转化仍面临研究方法异质性大、纵向数据缺乏及个体层面生物标志物验证不足等挑战。

为系统评估神经生理指标在衰老研究中的价值，Gemma Fernández-Rubio等人在《Brain Structure and Function》发表了迄今最大规模的系统综述，纳入942项EEG、MEG及联合M/EEG研究，涵盖健康衰老、MCI及各类痴呆（如阿尔茨海默病痴呆ADD、路易体痴呆DLB、血管性痴呆VD）。研究通过预注册策略检索PubMed、Scopus和PsychInfo数据库，提取实验设计、人群特征、分析方法和关键结果等数据，并辅以51篇既往综述进行互补分析。

关键技术方法包括：

1. 1.
   采用静息态（80.57%研究）和任务范式（如oddball范式占19.17%）采集神经生理信号；
2. 2.
   频谱分析（功率谱密度PSD、个体alpha频率峰值IAF peak）、事件相关分析（事件相关电位/场ERP/Fs、事件相关振荡EROs）、功能连接（相干性、图论指标）、复杂度分析（熵值、Lempel-Ziv复杂度）等多维度特征提取；
3. 3.
   结合神经心理学测试（156项研究）、MRI（80项）、基因及脑脊液生物标志物（30项）进行多模态验证；
4. 4.
   机器学习（14.33%研究）用于群体分类与个体预测。

主要研究结果

1. 频谱标记物

MCI和痴呆患者普遍呈现频谱“减慢”模式：低频段（δ/θ频段）功率增加，高频段（α/β频段）功率降低。ADD患者α频段功率显著降低，IAF峰值左移（向低频偏移）。健康衰老同样显示α功率随年龄下降，但变化幅度小于病理性群体。

2. 事件相关标记物

ERP/F成分中，N400（语义处理）和P300（注意与记忆）振幅在衰老及痴呆中显著衰减。失匹配负波（Mismatch Negativity, MMN）反映的自动记忆处理在ADD、MCI及健康老年人中均减弱，提示跨疾病阶段的共同神经机制。

3. 功能连接标记物

相干性（coherence）分析表明，ADD、DLB及MCI患者脑区间同步性普遍降低，尤其默认模式网络（Default Mode Network）连接减弱。图论指标显示ADD患者特征路径长度缩短、聚类系数降低，提示网络效率退化。

4. 复杂度标记物

熵值和Lempel-Ziv复杂度分析揭示ADD、VD及MCI患者脑信号复杂性显著降低，而健康衰老反而呈现熵值增高，表明复杂度指标可能区分生理性与病理性衰老。

5. 多模态关联与机器学习

神经生理指标与认知评分（如MMSE、MoCA）相关性最高（116项研究），与Aβ/tau病理、海马体积等生物标志物的联合分析仍较少。机器学习模型虽在群体分类中表现良好，但个体层面预测效能尚待提升。

结论与展望

本研究整合了神经生理学在衰老研究中的最大证据体系，证实EEG/MEG指标（如频谱减慢、连接性降低、ERP异常）可作为潜在生物标志物，用于区分健康衰老、MCI及痴呆亚型。然而，领域发展受限于横断面研究主导（92.36%）、范式异质性高及低收入地区数据缺失等问题。作者建议：

1. 1.
   推广纵向设计（≥5年追踪）以捕捉疾病动态进程；
2. 2.
   标准化实验范式（如静息态睁眼/闭眼协议、oddball范式）；
3. 3.
   开发文化无偏任务（如音乐记忆范式）增强普适性；
4. 4.
   建立共享数据库促进方法比较与机器学习模型优化；
5. 5.
   深化与分子影像、遗传学等多模态数据的整合验证。

该综述为神经生理标志物的临床转化提供了系统性框架，未来需重点探索个体化预测模型及低成本筛查工具，以应对老龄化社会的健康挑战。