《Smart Medicine》：Next-Generation Brain Health Monitoring Enabled by Integrated Wearable AI Infrastructure
编辑推荐：
摘要专业翻译
神经退行性疾病在症状前阶段难以被检测，而该阶段恰恰是干预最为有效的时期。可穿戴生物传感器、人工智能（AI）与神经科学的进展，使得在真实世界环境中对脑相关生理信号进行持续监测成为可能。然而，传感技术、信号分析与机器学习方面的进展仍较为分散，限制了众
摘要专业翻译
神经退行性疾病在症状前阶段难以被检测，而该阶段恰恰是干预最为有效的时期。可穿戴生物传感器、人工智能（AI）与神经科学的进展，使得在真实世界环境中对脑相关生理信号进行持续监测成为可能。然而，传感技术、信号分析与机器学习方面的进展仍较为分散，限制了众多数字生物标志物的生物学特异性、稳健性及临床转化。本综述提出一个整合性框架，将分子病理与神经环路功能障碍关联至睡眠、自主神经调节、步态、言语及眼球动力学等传感器可检测的数字表型。我们评估了新兴的可穿戴平台，包括生物电、光学及神经运动传感器，并讨论了信号质量、以用户为中心的外形设计以及超低功耗边缘AI系统等关键设计考量。我们进一步审视了自监督学习、联邦AI、机制建模及公平性感知验证如何提升生物标志物的可靠性、可解释性与泛化能力。为促进临床部署，我们引入了个性化脑健康操作系统（pBH-OS），一种面向可扩展数字表型分析、保护隐私的参考架构。该框架将概念层映射至现有技术，同时识别关键验证缺口。我们还探讨了实践挑战，包括依从性、设备脱落、信息性缺失、法规合规及问责机制。综合而言，这些进展为构建具有生物学基础且具备监管就绪性的系统提供了路径，该系统能够在临床症状出现前数年识别神经退行性风险。
论文主体内容总结
1 引言
神经退行性疾病（包括阿尔茨海默病与帕金森病）是全球增长最快的健康挑战之一。这些疾病在临床症状显现前往往经历多年隐匿发展，病理蛋白在此前临床阶段逐渐累积并损害记忆、运动和行为相关脑网络，形成了早期诊断与治疗干预的关键但常被错失的时间窗口。传统监测手段如脑扫描、脊髓液检测及临床评估存在费用高昂、侵入性强、耗时且依赖大量临床基础设施等局限，且仅能采集短期数据。可穿戴设备凭借灵活性、体积小巧及适合长期监测等优势，能够在不干扰日常活动的情况下连续记录步态模式、心率、睡眠质量及语音特征等生理和行为信号。然而，其实际应用受限于数据处理能力与长期评估中快速计算的功耗约束。深度学习与边缘计算的进展为解决上述约束提供了可能，多模态模型融合步态、睡眠、心脏及言语信号，比单一数据流模型能更灵敏地估计疾病风险。但数字监测与临床治疗之间仍存在关键鸿沟，亟需建立可穿戴衍生生物标志物、脑功能障碍与靶向医疗干预之间的机制联系。已有综述或局限于单一疾病框架，或未关注现代表征学习与多模态融合策略，或未涉及传感器硬件约束与真实世界数据质量挑战，整合疾病病理生理、可穿戴传感、多模态AI、临床验证及实际部署的综合框架仍然缺乏。本综述聚焦阿尔茨海默病、帕金森病及TDP-43蛋白病（包括肌萎缩侧索硬化症（ALS）），尤其强调干预最有效的症状前检测，并提出将生物学机制与数字生物标志物及临床决策相联系的统一框架。
2 从神经生物学到数字生物标志物
数字生物标志物的临床价值最终取决于其生物学相关性。可穿戴传感器采集的连续生理和行为数据，仅在反映潜在疾病机制时才有意义。三大类神经退行性疾病——突触核蛋白病、阿尔茨海默病（AD）与TDP-43谱系疾病——各自损害不同的神经环路并产生特征性的功能衰退模式。
2.1 病理生理到表型映射
帕金森病与路易体痴呆（LBD）始于错误折叠的α-突触核蛋白在脑干蓝斑核与脚桥核的累积。脚桥核损害破坏姿势与运动控制，而邻近的背外侧下核（蓝斑下核）变性则扰乱产生快速眼动（REM）睡眠肌张力的桥延髓环路，导致REM睡眠行为障碍（RBD）。RBD可能是帕金森病临床运动诊断前5至15年前驱期的首发体征。消费级脑电图（EEG）与光电容积脉搏波（PPG）传感器可检测睡眠期间与RBD相关的心率变异性（HRV）下降及运动事件。随着病理进展至黑质，黑质纹状体多巴胺能去神经支配使基底节运动环路功能退化，表现为步幅时间变异性增加、摆臂不对称性增大、转身时间延长及静止性震颤的出现。自主神经与睡眠问题先于运动问题出现的信号模式，与α-突触核蛋白扩散的解剖分期相对应，为长期可穿戴监测提供了生物学基础框架。
阿尔茨海默病涉及细胞外Aβ斑块与细胞内过度磷酸化tau神经原纤维缠结的累积。蛋白聚集体最初影响内嗅皮层与海马，随后扩散至默认模式网络。淀粉样蛋白诱导的默认模式网络过度兴奋导致内侧颞叶活动增强，加速早期tau累积，形成淀粉样蛋白与tau病理之间的反馈环路。临床前阿尔茨海默病表现出可被可穿戴设备检测的早期迹象，包括睡眠纺锤波密度降低、睡眠-觉醒周期碎片化及言语停顿增多，这些变化先于记忆主诉出现。随着疾病进展影响额顶眼动网络，平滑追踪眼动效率下降、扫视潜伏期增加；颞叶与额叶语言网络衰退则导致言语流畅性降低。
TDP-43（TAR DNA结合蛋白43）是重要的核内RNA结合蛋白，在ALS与行为变异型额颞叶痴呆（bvFTD）患者中从核内错误定位至胞质，通过功能获得与功能丧失双重机制形成毒性聚集体。在ALS中，皮质脊髓束与脊髓运动神经元的选择性死亡导致可测量的上肢运动特征，包括手部峰值加速度降低、归一化加加速度比升高及表面肌电图（sEMG）检测到的主动肌/拮抗肌激活动力学改变。在bvFTD中，突显网络（尤其前岛叶与前扣带皮层）严重受损，导致昼夜节律振幅降低、日常休息-活动节律碎片化及行为去抑制。ALS前驱期持续1至3年，bvFTD为3至8年，需要高频监测与灵敏检测算法。TDP-43相关病理常与AD患者的淀粉样蛋白及tau沉积重叠，产生妨碍准确鉴别诊断的数字特征。
2.2 前驱期与可穿戴可检测特征
脑干自主神经核团（尤其蓝斑核与迷走神经背运动核）的变性扰乱心率控制，可通过腕部PPG传感器与心电图（ECG）监测仪检测HRV指标（RMSSD、pNN50）的下降及直立性血压恢复的缺失。基底节、小脑与皮层运动通路变性导致步态自主性与平滑性降低，惯性测量单元（IMU）可测量步幅时间变异性、摆臂不对称比及完成180度转身的时间等参数。眼动系统的脑干、小脑环路及额叶眼区投射易受神经退行性变影响，导致扫视延迟、追踪增益降低及方波跳动，可通过红外视频眼动图与眼电图（EOG）电极测量。言语产生涉及呼吸、喉部与构音肌肉的协调运动，声学生物标志物如停顿-言语比、元音空间、基频抖动及振幅微扰可通过标准麦克风测量。任务诱发的瞳孔反应可指示蓝斑核-去甲肾上腺素系统的早期变性。
2.3 金标准与标注策略
可穿戴传感器以每天数千数据点的密度持续记录数月或数年，而临床评估每隔数月才进行一次并产生反映短暂就诊期间状态的单一评分，二者存在密度不匹配。解决方案并非在标注来源之间二选一，而是策略性地组合多种来源以构建更强的AI训练监督信号。三种互补方法应对这一挑战：时间对齐将可穿戴数据与临床评估前后的标注匹配；半监督学习从辅助纵向数据流（包括临床记录、健康日志、用药记录及生态瞬时评估（EMA））中提取概率性疾病状态标签；主动学习算法聚焦于模型不确定性高的数据点，减少标注工作量并提升每个标注样本的效用。跨设备、跨地点与跨人群的一致性至关重要，域对抗神经网络可学习设备与位置不变特征，不变风险最小化可减少中心特异性伪影。诊所就诊时的标准化运动任务（如计时两分钟步行或30秒手指敲击）作为校准锚点，将传感器记录与临床参考值关联。联邦域泛化框架允许在不交换原始患者数据的情况下进行跨机构训练。
2.4 从数字表型到验证性生物标志物
许多个体信号并非单一疾病所特有：夜间HRV降低、睡眠结构碎片化及日常活动水平下降出现在所有三类蛋白病中，同样也是重度抑郁、阻塞性睡眠呼吸暂停、慢性疲劳及正常衰老的特征。单独任何可穿戴衍生指标均无法区分前驱期帕金森病、临床前阿尔茨海默病或早期ALS。这种表型模糊性并非传感器局限所致，而是不同生物学病理共享下游自主神经与睡眠环路的固有结果。解决方案来自跨模态信号的组合：REM肌张力丧失结合步态不对称提示脑干突触核蛋白病；HRV降低伴睡眠纺锤波密度下降及言语犹豫增多而无步态改变则指向早期阿尔茨海默病。信号出现的时间顺序由发病机制驱动，突触核蛋白病中自主神经与睡眠功能障碍先于运动症状5至15年，阿尔茨海默病中睡眠与语言缺陷先于眼动问题数年。解释应考量疾病之外影响数字读数的变量，包括药物、生物节律、精神共病及环境因素，监测系统需记录药物时间、自我报告情绪及环境温度等元数据，以防混杂因素被误认为神经退行性变。
3 可穿戴传感模态与系统设计
现代可穿戴系统集成机械、电学、光学及生化等多种传感模态。传感器选择必须基于疾病特异性而非技术驱动。
3.1 生物电与血流动力学传感：EEG、耳部EEG与fNIRS
头皮EEG测量同步突触后电位产生的电压波动，节律性特征（α功率、θ/β比、睡眠纺锤波、慢波振荡）反映AD早期受累的丘脑皮层与胆碱能通路完整性，非周期特征（1/f谱斜率）指示皮层兴奋-抑制平衡。耳部EEG以空间分辨率换取舒适性与耐用性，2至8通道系统可有效记录睡眠慢振荡、警觉指数及REM肌张力。功能性近红外光谱（fNIRS）通过测量近红外光经头皮吸收的变化检测皮层氧合与脱氧血红蛋白浓度，短分离通道（8至12毫米间距）对剥离浅表头皮血流干扰至关重要。
3.2 心肺与自主神经传感：PPG、ECG、HRV、EDA与呼吸
自主神经功能障碍常先于突触核蛋白病运动症状出现。PPG监测组织光吸收的血容量变化，ECG记录心脏电活动并提供比PPG更精确的搏动计时，二者支持反映自主神经张力的HRV分析。夜间RMSSD降低与24小时HRV昼夜节律振幅衰减是突触核蛋白病相关自主神经功能障碍最早的数字指标之一。AD中胆碱能变性扰乱睡眠期间的心肺耦合。皮肤电活动（EDA）通过量化汗腺交感活动驱动的皮肤电导变化提供另一自主神经唤醒指标。
3.3 神经运动与步态传感：IMU、EMG与EOG
IMU集成加速度计与陀螺仪，步态分析需50至100赫兹采样，震颤检测需200赫兹。下背部或足部IMU可测量步幅时间、步幅长度及转身时间。表面肌电图（sEMG）记录肌肉电活动（20至450赫兹），用于检测神经退行性疾病常见的僵硬、协同收缩及募集缺陷，在ALS及晚期突触核蛋白病中追踪肌束颤动与肌张力异常至关重要。EOG通过眼镜式电极测量角膜-视网膜电位记录扫视、平滑追踪及眨眼事件，扫视测量需200至500赫兹采样，头戴IMU记录头部运动以区分注视转移与头部移动。
3.4 智能纺织品、电子皮肤与模块化多传感器系统
智能服装将导电纱线、印刷电极及应变传感器直接集成至衣物中，纺织ECG与EMG电极提供大面积皮肤接触与日常佩戴舒适性，主要工程要求为可水洗性与循环阻抗稳定性。电子皮肤为薄型可适形粘附贴片，集成EEG、EOG或EMG电极、皮肤温度传感器及微流控汗液生化通道，低功耗模拟前端以微安级电流运行。模块化体域网在耳、腕、踝及胸骨处部署多个传感器节点，无线通信提供冗余覆盖，硬件时间戳与周期性同步信标将时间漂移限制在1 ppm以内。
4 数据质量、信号处理与边缘AI
真实世界记录常受运动伪影、传感器接触不良、热漂移及设备同步误差影响。
4.1 伪影检测与信号质量管理
正确操作顺序为先计算模态特异性质量指数，在进一步处理前接受或拒绝每个片段。EEG关键指标包括电极阻抗与工频干扰；PPG需高信噪比与足够AC/DC比以进行可靠夜间HRV分析；ECG门控依赖基线稳定性与可靠的R波检测；IMU数据质量通过饱和标志与重力矢量一致性评估。门控后预处理须保留生理信号的振幅与相位。自适应陷波消除抑制工频干扰且谱泄漏有限，中值滤波去除孤立尖峰，小波分解去除较大脉冲噪声同时保留振荡结构，多通道EEG中独立成分分析分离眼动与肌电污染。学习型去噪器（如一维U-Net）在充分标注数据训练下优于固定滤波器，但跨设备与人群的泛化性需前瞻性测试。
4.2 设备端推理与能耗受限计算
边缘推理在可穿戴设备本身上运行模型，原始生物信号永不传输，仅特征或风险评分离开设备，既保护隐私又支持无网络依赖的实时告警。八位整数量化配合逐通道校准与量化感知训练可将模型内存减少约四倍、推理能耗降低二至四倍且精度损失可忽略。知识蒸馏训练紧凑学生模型复现较大教师模型输出，将乘加运算减半同时保持校准。自适应采样与占空比控制显著降低可穿戴传感器能耗：PPG采集中预测性采样将功耗降低超过87%且HRV计时误差小于3毫秒；惯性步态监测中调整采样率、窗口长度与传感器配置可减少高达16倍数据量同时保持分类精度。硬件-软件协同设计提供额外改进，匹配分析窗口长度与无线电传输周期可减少唤醒次数。
综上，本综述通过整合疾病机制、可穿戴技术与AI驱动数字生物标志物，为神经退行性疾病生物学基础且临床可扩展的监测提供了路线图。
