《npj Dementia》:The use of electroencephalography in neurodegenerative disease and its utility in dementia
脑电图(EEG)提供了一种非侵入性的大脑功能观测窗口,通常能在认知症状或神经退行性变出现之前很久揭示异常。本综述探讨了EEG在神经退行性疾病及导致异常EEG的共病状况中不断扩展的作用。研究人员回顾了新兴的EEG技术,这些技术揭示了先前未被充分认识的EEG异常,并概述了未来将EEG推进为痴呆症临床和研究环境中实用工具所需的步骤。
为什么EEG在神经退行性疾病中很重要?
痴呆症代表着一项迅速发展的公共卫生挑战,其驱动力源于神经退行性疾病(ND)患病率的上升,例如阿尔茨海默病(AD)、帕金森病(PD)、路易体痴呆(DLB)和额颞叶痴呆(FTD)。这些疾病通常涉及多种基因的遗传景观,但也存在单基因ND,如亨廷顿病(HD)。尽管不同疾病的病理基础各异,但认知能力下降在这些疾病中普遍存在,这被认为源于脑回路的进行性破坏。在此背景下,脑节律和大尺度网络动力学的变化日益被认为是ND及其认知后遗症病理生理学的关键贡献者。此外,不同的AD风险变异可能影响EEG功率测量,这表明通过脑电图(EEG)记录的脑节律受到遗传性和/或从头获得的遗传变异的影响。
EEG长期以来作为一种非侵入性窗口用于观察大脑功能和功能障碍。其高时间分辨率、广泛的易获得性以及相对较低的成本,使其成为临床和研究环境中宝贵的工具。历史上,EEG常用于检测明显的异常,如背景减慢、癫痫样活动和癫痫发作,特别是在ND共病(如癫痫)的背景下,而在其他精神疾病中EEG异常的检出率有限。然而,EEG技术、信号记录与处理、计算建模和机器学习(ML)的进步,重新激发了人们将EEG作为不同ND早期和细微网络退化相对敏感标志的兴趣。本综述综合了当前证据,阐明EEG如何捕捉主要神经退行性痴呆中破坏性的电生理节律,强调EEG在鉴别诊断、识别前驱期或临床前阶段以及利用新兴生物标志物改善预后和疾病监测方面的效用。
记录EEG活动的方法
EEG代表了一种神经生理学技术,可根据记录条件进一步分类。在ND研究中,常规EEG和睡眠EEG是非侵入性头皮记录,广泛应用于人类受试者。相比之下,侵入性EEG迄今为止主要局限于动物模型,但微创记录(如使用卵圆孔电极)在AD中发现了头皮表面无法检测到的静默发作和其他EEG异常。因此,本文将主要涵盖EEG作为非侵入性工具用于探测潜在回路功能的应用,重点关注头皮记录的EEG模式。
常规EEG
常规EEG指静息态和事件相关记录,区别在于是否涉及刺激的使用。这两种记录通常持续时间较短(约30分钟至1小时),并在门诊环境下进行。临床上,EEG通常与眼电图(EOG)和心电图(ECG)同步记录。静息态EEG捕捉自发活动,提供安静觉醒状态下皮质唤醒和警觉性的指标,这对ND具有参考价值。事件相关EEG通过测量大脑对受控刺激的反应来补充这一方法,其分析结果可包括连续频谱功率和事件锁定波形,关键例子是P300,这是一种时域事件相关电位(ERP),与刺激相位锁定,通过估计振幅和潜伏期来衡量。静息态和事件相关记录的结合可以提高EEG标记的敏感性,比单独任何一种模式能解释更多的行为差异。
睡眠EEG
睡眠EEG是作为多导睡眠图(PSG)的一部分记录的,这是临床评估睡眠的标准方法,除EEG、EOG和ECG外还需要肌电图(EMG)。在此背景下,视频记录与PSG同步以辅助判读,特别是对于伪迹和临床相关事件(如癫痫发作)的识别。PSG记录通常在睡眠实验室进行,至少持续一整晚(约8小时记录)。在睡眠研究中,“睡眠EEG”通常指PSG的EEG成分。由于睡眠障碍是认知缺陷的主要风险因素,睡眠EEG为研究ND中睡眠的作用提供了重要窗口。最近,可穿戴EEG睡眠系统与人工智能(AI)相结合已成为一种自动化特征提取和筛查的新方法,这种方法可能提高可扩展性和生态效度,同时保持判别力。
结合脑磁图(MEG)的EEG
EEG可与脑磁图(MEG)结合使用,MEG是一种利用头部外部传感器记录大脑磁场的模式。MEG在方法上与EEG相似,但测量的是磁场而非电压。MEG通常提供与单独使用EEG相似或互补的信息,但空间分辨率更高,特别是针对相对低振幅的振荡,且受颅骨导电性的影响较小。然而,它成本效益较低,便携性差,且对径向和相对深部结构基本不敏感。值得注意的是,同时进行的EEG和MEG已用于癫痫中以更好地定位癫痫发作起始区,以及在AD中确定网络和网络过度兴奋性的振荡特征,尽管此类记录大多限于捕捉夜间睡眠时的活动。
EEG的空间和时间分辨率
EEG可在多个空间和时间尺度上记录,取决于电极尺寸、放置位置和采样密度。宏观电极(>1 mm接触直径)用于常规头皮EEG记录,提供广泛的脑覆盖但空间分辨率相对粗糙。介观颅内电极(50 μm至1 mm)较少用于ND研究,但微创的卵圆孔电极记录已在AD痴呆中用于发现头皮EEG静默的癫痫发作和癫痫样活动。
EEG电极数量变化很大,但在临床实践中,10-20系统是标准,通常使用19-25个头皮电极。替代布局如10-10和10-5系统也有使用。为了获得更精细的空间分辨率,高密度EEG和MEG系统(最多256个电极/传感器)可用于更详细的脑映射。
EEG信号传统上分为标准频带:delta (δ) 0.1–4 Hz, theta (θ) 4–8 Hz, alpha (α) 8–12 Hz, beta (β) 12–30 Hz 和 gamma (γ) >30 Hz,统称为“经典Berger频率”。除了这些频带,高频振荡(HFOs; 80–500 Hz)已在有发生AD痴呆风险的个体以及散发性AD病例中被报道,扩展了涉及AD痴呆的异常脑节律的范围。为了准确捕捉这些信号并避免混叠,EEG采样率必须至少是感兴趣最高频率的2-2.5倍。虽然常规临床EEG通常以256–512 Hz采样,但以HFOs为目标的宽带EEG仍在兴起,一些研究采样高达2048 Hz甚至4000 Hz,从而能够精确检测这些快速振荡事件。
在信号分析方面,视觉EEG评估和定量EEG(qEEG)方法是常用的,并将在本综述背景下讨论。与视觉EEG相比,qEEG减少了视觉判读的主观性,并能捕捉肉眼不易察觉的特征,如频谱功率变化和振荡连接性。
神经退行性疾病中的异常EEG——它告诉了我们什么?
EEG提供了一个独特的窗口,用于观察ND连续体中皮质网络功能障碍的时空轨迹。这对于在认知或行为症状仍然微妙或缺失的阶段识别即将发生的痴呆的早期迹象特别有价值。重要的是,EEG衍生生物标志物的时间进程可能并不总是与临床症状或神经病理学完全一致。EEG异常可能先于、平行于或滞后于认知衰退,但在晚期痴呆阶段,它们最终会与突触衰竭和显著的网络功能障碍汇合。这些在EEG中观察到的相对进行性变化可能反映了突触完整性的丧失、皮质兴奋性的改变以及记忆、注意力和执行功能所需协调振荡动力学的破坏。因此,跨疾病阶段追踪这些特征可以为脑网络脆弱性和潜在代偿机制提供机制性见解。
静息态节律
越来越多的证据表明,EEG甚至可能在认知衰退发作前的无症状阶段检测到神经生理学改变。在经PET证实β-淀粉样蛋白阳性(Aβ+)的认知未受损正常个体中,qEEG显示δ功率增加和α功率减少,表明EEG生物标志物可能支持无症状AD的早期检测。同样,Aβ+认知正常个体显示出较高的额叶θ和较弱的中央顶叶β功率,在Aβ+轻度认知障碍(MCI)中异常更为明显。在认知正常的PD个体中,静息态闭眼EEG显示θ功率增加和α/θ比率降低,提示早期电生理减慢。相比之下,无症状DLB和FTD中的EEG生物标志物研究仍显不足。对于HD,研究结果似乎不一致,一项研究报告无症状携带者7-8 Hz活动(~θ/α)功率降低,但另一项研究未发现此类差异,可能是由于分析的警觉状态不同(闭眼与未闭眼)。
频谱减慢被认为是痴呆进展最稳健和可重复的EEG标志之一。事实上,AD相关的MCI和AD痴呆早期均显示θ增加伴后α减少和较低β功率,提示早期丘脑皮质失调和后部皮质受累。随着AD痴呆的发展,减慢变得更加普遍:δ-θ活动占主导地位,α功率减弱,后部节律崩溃为相对低频背景。然而,应注意在AD痴呆早期阶段,常见频带如δ减慢可能未显示变化。在DLB和PD痴呆中,报告了类似但更显著的减慢。因此,后部α峰减弱或消失,主导节律比AD中看到的低1-2 Hz(~4-5 Hz)。同时,由于研究设计、EEG采集参数和不同处理方案的不一致,痴呆间平均频谱频率或功率的差异并未达成一致。随着痴呆严重程度的增加,δ–θ功率变得更加突出,α峰常消失。相比之下,FTD呈现出地形学上不同的模式——局限于额叶和前颞区的局灶性减慢,这与这些区域的萎缩在地形上重合。值得注意的是,随着FTD的进展,这种减慢地形学在前颞区域持续存在,不像AD痴呆那样普遍化。这种相对独特的地形学可能有助于区分FTD和AD痴呆,尽管存在重叠。另一方面,HD痴呆通常以顶枕叶内α和δ边界(7–8 Hz)的细微窄带减慢开始,随后随着运动和额叶皮质受累演变为更弥漫和对称。综上所述,尽管存在向减慢发展的共同轨迹,但疾病特异性的地形学特征仍然存在:AD和DLB痴呆的后部优势,FTD主要为前部,HD为顶枕部。这种保留的空间特征可能有助于鉴别诊断,特别是当与qEEG峰值频率和功率比指标相结合时。
来自静息态EEG的生物标志物已被研究用于预测从MCI向痴呆的转化,尽管应注意一些观察结果并不一致。在一项针对69名AD相关MCI患者的纵向研究中,转化为AD的患者在基线时的δ、θ和α相干源强于保持稳定者,表明这些测量值可能预测随后的AD痴呆转化。相反,一些研究未在未来的转化者和非转化者之间观察到基线α和θ功率的显著qEEG差异。然而,一些研究报告了后来转化为AD痴呆的AD相关MCI个体中α功率降低。为了提高预测准确性,有研究将多个与β波段活动相关的EEG生物标志物结合成一个诊断分类指数。在其队列中,增加的β波段活动被发现可预测向AD痴呆的转化。同样,在PD的一项纵向研究中,基线时确定了以δ和θ功率升高以及α和β功率降低为特征的一个亚型。在5年的随访中,该亚型表现出慢频活动(即δ和θ功率)的进行性增加并伴有认知衰退。在一项针对47名DLB相关MCI患者的3年研究中,所有20名转化为DLB的患者均存在后部EEG减慢(<8 Hz)和主频变异性增加(>1.5 Hz),表明这些异常可能预测向DLB的进展。与以上ND类型不同,静息态EEG并非FTD和HD转化的验证预测因子。然而,qEEG测量,结合β/θ熵指标,可能有助于区分FTD与对照组或其他痴呆,从而支持纵向研究中的预后分层。
事件相关电位(ERPs)和诱导振荡
虽然自发EEG活动为评估静息态网络功能提供了宝贵手段,但EEG振荡活动的事件相关诱导可提供补充性且在某些情况下更敏感的见解。原因之一是某些网络破坏可能直到“系统”被主动扰动时才显现出来。在这方面,ERPs特别具有信息量,因为它们可以敏感地索引痴呆发展过程中大尺度振荡协调的破裂。在AD痴呆中,N200和P300振幅降低和潜伏期延长,与执行功能缺陷和海马萎缩相一致。在工作记忆任务期间,AD相关MCI和AD病例与对照组相比,任务诱发后部α的同时衰减被发现,可能反映了联想网络招募的减弱。这些扁平化的反应可能反映了长程同步的破坏和产生对外界刺激的一致振荡反应的能力。
在DLB和PD痴呆中,延迟的P300反应和减弱的中额θ/δ功率比可能表明认知控制和新奇检测的缺陷,并随痴呆严重程度增加而恶化。在FTD中,P300潜伏期较AD痴呆延迟,但与对照组相比不延迟,表明它可能有助于区分FTD和AD痴呆病例。值得注意的是,P300潜伏期的这种减少与FTD中更差的认知相关。另一方面,HD痴呆显示工作记忆网络许多区域的事件相关θ减少,γ反应与疾病负担评分呈负相关。
ERPs和诱导振荡也可能提供关于AD相关MCI向AD痴呆转化可能性的见解。在一项纵向研究中,最初诊断为AD相关MCI的25名患者和11名年龄匹配的对照组被随访3年。后来转化为AD痴呆的AD相关MCI个体在基线时单词处理任务期间的θ活动低于MCI非转化者和对照组。一项包括4项AD相关MCI纵向研究的系统评价和网络荟萃分析显示,基线和1年随访测量之间的平均P300潜伏期较长,平均P300振幅较低,包括进展病例(相对于那些保持认知稳定者)。然而,其他研究未发现转化者和非转化者之间的显著P300差异。当此类分析与β-淀粉样蛋白水平相结合时,在区分转化为AD与保持MCI稳定的个体方面,敏感性和特异性得到改善,强调了基于ERP反应的异质性。主要针对横断面研究的荟萃分析报告称,P300振幅降低和潜伏期延长区分了PD的认知阶段,但其预测价值需要纵向验证。同样,鉴于缺乏纵向验证,确定ERPs是否可以预测DLB、FTD和HD的认知转化方面存在研究空白。
睡眠EEG模式
睡眠EEG提供了跨ND网络完整性的敏感测量,尽管特定改变因潜在病理而异。沿AD连续体,在AD相关MCI中报告了非快速眼动(non-REM)慢波活动和睡眠纺锤密度的降低,这与β-淀粉样蛋白和tau积累相关。随着痴呆严重程度的增加,这两个特征进一步下降,可能表明丘脑皮质耦合受损和突触稳态减弱。在DLB和PD中,PSG上的REM失张力(即REM睡眠行为障碍)是潜在的α–突触核蛋白病理的特征性早期标志,可能早于痴呆发作数年。在PD中,non-REM期间慢波活动减少与疾病进展相关,高REM失张力预测运动症状进展。FTD与显著的睡眠-觉醒和昼夜节律紊乱有关,新兴数据表明non-REM睡眠期间纺锤波和sigma功率(11–16 Hz)改变。HD痴呆的特征是慢波睡眠减少和夜间觉醒增加,以及碎片化的睡眠和不稳定的non-REM到REM周期转换。
到了痴呆阶段,睡眠EEG在多种ND病因学中趋于汇聚,尽管其幅度、地形和伴随特征在很大程度上仍是疾病特异性的。在AD痴呆中,慢波(尤其在N3期)和睡眠纺锤波显著减少或消失;k复合物变得罕见,REM持续时间也缩短。DLB痴呆表现为持续的REM失张力,以及频繁的睡眠阶段转换,同时伴有减弱的non-REM慢波。在FTD痴呆中,睡眠变得高度碎片化,昼夜节律组织紊乱,额叶sigma、纺锤波和慢波振幅显著降低。HD痴呆患者总睡眠时间缩短,觉醒次数增加,不同睡眠阶段之间的EEG边界不清。
总之,跨痴呆的EEG异常描绘了一个一致的连续体:从表征MCI的局灶性低效到痴呆中相对弥漫的损害。疾病早期阶段的减慢和纺锤波减少可能标志着新兴的丘脑皮质功能障碍;随后α–β节律的丧失、ERPs钝化和频谱平坦化可能反映了皮质集合的大尺度崩解。尽管分子起源不同(AD中的β-淀粉样蛋白-tau,DLB/PD中的α-突触核蛋白,FTD中的TDP–43或tau,以及HD中的突变亨廷顿蛋白),电生理轨迹主要汇聚于时间协调性的减弱和长程通讯的削弱,这对记忆和执行功能具有重要影响。
睡眠主导的癫痫样活动
与上述经典EEG异常相比,癫痫样活动代表另一种主要发生在睡眠期间的EEG异常。睡眠主导的癫痫样活动日益被认为是ND,特别是AD痴呆的一个促成因素。事实上,癫痫样活动通常以神经元放电增加为特征,已被证明会影响AD的认知,特别是因为它最常发生在睡眠期间,而睡眠是记忆巩固的典型脑状态。
在AD的早期阶段,间歇期癫痫样放电(IEDs)和癫痫发作主要在睡眠期间被报道,可能导致认知功能的波动。因此,识别睡眠中具有潜在癫痫样活动的个体对于他们在针对认知结果的抗癫痫药物试验中的分层非常重要。然而,应注意并非所有AD患者在常规或睡眠头皮EEG上显示癫痫样活动,正如卵圆孔记录所证明的那样,头皮EEG记录遗漏了大部分活动。新兴的过度兴奋性标志物,如头皮HFOs,已被报道发生在更广泛的AD痴呆人群中,甚至发生在认知衰退发作前的高AD风险个体中。值得注意的是,此类癫痫样模式(IEDs, HFOs)是使用睡眠EEG记录或MEG观察到的,但它们的空间分布可能因模式而异。研究表明,在AD痴呆诊断时,HFOs可能更广泛,因此可能不显示半球侧化,这与它们在疾病早期阶段的右侧优势形成对比。值得注意的是,IEDs显示出相反的半球优势,主要发生在左半球,这一结果与MEG研究结果形成对比,后者显示IEDs主要发生在右半球。尽管EEG和MEG可能显示不同半球侧化的确切原因尚不清楚,但这两种方法,特别是同时进行时,可能产生比单独任何一种方法更具互补性的信息。
还应注意,除AD痴呆外,IEDs也被报道发生在其他ND中,包括DLB和FTD。总体而言,这些发现强调睡眠相关的癫痫样活动可能是跨不同ND有价值的生物标志物,并有助于早期诊断和抗癫痫药物试验的患者分层。
功能连接(FC)
ND的特征是连接脑区之间的深刻功能断开。基于EEG的连接性分析模拟了不同区域神经活动之间的关系,揭示了相互作用脑区之间时间动态的变化。重要的是,改变的EEG测量的FC已被发现与ND的进展相关,表明它可以作为一种生物标志物。这种显著的临床潜力导致了三十多种神经生理连接性分析工具的开发。
在一项针对434名AD/PD患者和499名对照者的EEG特征比较研究中,研究人员发现约80%的AD/PD患者出现FC偏差。在AD背景下,α频段的EEG-based FC降低通常被报道。另一方面,θ频段的研究结果喜忧参半,这可能由AD和FTD之间的区域异质性解释。最后,关于γ波段FC的证据也是异质性的。在AD相关MCI中报告了γ波段FC增加,但在AD痴呆中减少,表明增加的γ活动可能作为前驱期AD的潜在标志物。然而,取决于亚组特征,在AD-MCI中也可观察到γ波段FC降低,并且在AD痴呆中也报道了增加的事件相关γ FC。
DLB和PD痴呆中的FC模式与AD痴呆相比既有相似之处也有不同之处。在DLB痴呆中,α连接性通常降低,但通常比AD痴呆受影响更严重,尽管一些研究报告DLB相关MCI和AD相关MCI之间无α差异。DLB痴呆通过表现出较弱的后部-前部β连接性和更大的θ波段网络分离,进一步将自己与AD痴呆区分开来,尽管这种模式似乎依赖于方法。相反,尽管与DLB共享一些潜在病理,PD痴呆的特征是β频段FC相对增加,尽管β波段研究结果仍然异质,特别是在跨脑区方面。关于PD中γ波段FC的证据有限,但在PD相关MCI中注意到γ相干性增加。一项研究揭示了PD相关MCI中性别相关的FC差异:男性而非女性显示α频段内的FC降低。
与AD痴呆相比,FTD与较低的δ波段FC相关,这与自动堆叠模型分类方法的结果一致。相比之下,在同一模型中,α波段FC未能可靠地区分FTD和AD痴呆,尽管发现了α FC降低。使用多维FC框架,报道了FTD中而不是AD痴呆中的中长和长程额颞枢纽连接的减少,表明额颞网络的疾病特异性破坏。相比之下,根据一项系统评价,与HD痴呆相关的EEG-based FC研究与其他ND相比仍然稀缺。现有证据表明全局网络破坏,在HD痴呆中报告了总体FC降低,以及相对于对照组的δ波段FC增加。然而,有限的研究数量对可靠识别HD痴呆中一致的FC特征构成了挑战。
FC测量的选择会影响ND中基于EEG研究的结果。具体而言,由于使用了对容积传导敏感性不同的FC测量,报告了不一致的结果。例如,一项研究报告AD痴呆患者与认知正常对照相比β波段相位滞后指数(PLI)和虚相干性降低,而使用相位相干性分析短距离和长距离电极对数据时未发现显著差异。在更大的队列中,研究人员调查了六种FC测量在809名可能AD患者和主观认知下降者中的可重复性,发现泄漏校正振幅包络相关在α和β波段显示出更高的稳健性,而PLI和加权PLI并未一致显示这些频段的减少。总体而言,这些观察结果表明,FC中的冲突发现可能部分源于不同的FC方法和/或分析的具体频段。
总之,数据表明跨ND的FC降低。然而,FC发现高度可变,取决于病理亚型、频段、疾病阶段、特定脑区和其他因素(如性别、年龄)。鉴于这种异质性,先进的技术如ML和深度学习将在自动提取复杂特征方面具有价值。值得注意的是,通过整合多个特征,这些模型在选定数据集中的痴呆亚型区分方面显示出有希望的性能,分类准确率超过90%,尽管此类结果需要在更大的队列中进行验证。
结论性评述
总之,EEG提供了一种非侵入性和实用的工具,用于检测和纵向监测不同ND中的网络脑功能障碍。其成本效益和可扩展性是在可能缺乏最先进设备的不同环境中的优势。可以利用简单的方法提取几个指标,如频谱功率和FC的变化,并可以通过更高级的分析方法来补充,以确定这些进行性疾病如何改变皮质通讯。EEG的这种多方面效用可能在几个临床领域提供益处。
首先,EEG可以作为早期疾病检测的工具。鉴于AD的病理生理过程可能在症状出现前长达20年就开始,早期诊断是设计旨在尽可能早地减缓疾病进展的干预措施的关键。在此背景下,结合先进信号分析方法的EEG显示出区分MCI与健康对照的有希望的能力,突出了其作为早期认知衰退的非侵入性生物标志物的潜力,尽管在更大队列中的验证将是有益的。补充方法,如从头皮EEG重建皮质发生器源的电学源成像,可能增强EEG改变的解剖学可解释性。此外,随着AD的发展,振荡和FC功率的总体下降代表了一种可追踪的进行性变化,可通过纵向EEG记录可靠地监测。
EEG提供了区分不同ND痴呆的有用标记。因为大约70%的痴呆是由AD引起的,大多数EEG研究集中于区分AD与其他病因。一个鲜明的对比是主导节律减慢:<8 Hz的频率出现在90%的DLB患者中,但仅出现在10%的AD患者中。重要的是,睡眠有助于区分不同的AD亚型,这可能与控制不同亚型睡眠和觉醒的下丘脑核的不同脆弱性有关。
EEG有益的另一个领域是预后和治疗监测。前瞻性研究表明,EEG可以预测从AD和PD相关MCI向痴呆的演变。在PD中,δ波段功率从认知正常的PD增加到MCI再到PD痴呆,与疾病进展平行。对于治疗监测,P300潜伏期对认知表现的药物效应敏感。在此背景下,P300振幅增加和潜伏期缩短与药物治疗的AD患者更好的认知评分相一致。
然而,在使用EEG进行诊断时,特别是在无症状或早期疾病阶段,应承认几个注意事项。首先,EEG模式也随正常衰老而变化,尤其是在60岁以后。因此,必须仔细将衰老导致的生理性异常节律与疾病的早期病理体征区分开来。其次,EEG异常既不存在于单一频带内,也不专属于单一ND类型。事实上,共同的模式可能代表了不同ND认知衰退的共同病理生理机制,而差异可能反映疾病特异性的变异性。第三,其他因素包括年龄、性别和环境因素可能影响神经可塑性,进而影响EEG特征,这可能混淆EEG生物标志物的解释。将EEG与先进分析方法(如ML)和多模态成像(如磁共振成像MRI和/或弥散张量成像DTI,侧重于结构连接)相结合,可能改善ND的早期检测和鉴别诊断。
局限性
最后,我们要承认几个局限性。首先,鉴于EEG生物标志物在ND中的广泛范围,每种情况的细节有限,并且可能更强调与AD痴呆相关的研究。其次,作为叙述性综述,未应用正式的样本量阈值,这可能限制了此处报告的研究数量,尽管优先考虑的是系统评价和荟萃分析等稳健研究。第三,我们主要关注EEG特征,而新兴的计算方法如图论和基于源的分析未深入讨论,但我们认为它们对未来实施很重要。未来使用标准化EEG协议和先进分析框架的多中心研究可能有助于建立更可靠的基于EEG和多模态的生物标志物,用于早期诊断和疾病阶段区分。