《Biosensors》：Entropy-Based Analysis of Olfactory EEG as a Candidate Biomarker for Early Mild Cognitive Impairment Detection: A Proof-of-Concept Study
编辑推荐：
嗅觉能力下降是阿尔茨海默病（Alzheimer’s disease, AD）最早期的迹象之一，可为轻度认知障碍（mild cognitive impairment, MCI）阶段的早期诊断提供有价值的信息。然而，嗅觉障碍的潜在神经生理机制尚未得到系统性研究，迄
嗅觉能力下降是阿尔茨海默病（Alzheimer’s disease, AD）最早期的迹象之一，可为轻度认知障碍（mild cognitive impairment, MCI）阶段的早期诊断提供有价值的信息。然而，嗅觉障碍的潜在神经生理机制尚未得到系统性研究，迄今也未应用于利用脑电图（electroencephalography, EEG）进行客观诊断。为填补这一空白，这项概念验证研究探讨了利用嗅觉诱发EEG复杂度区分健康受试者（healthy subjects, HS）与MCI患者的可能性。为此，研究人员采用了一个公开的嗅觉oddball EEG记录数据集。首先，实施并应用了EEG信号清洗策略，包括排除受大量伪迹和噪声影响的参与者、通道和片段。随后，构建了专门的预处理流程：具体而言，将清洗后的信号根据刺激起始点划分为三个时间区间（即刺激前、刺激后早期和刺激后晚期）。对于每个感兴趣的时间窗，研究人员在10个时间尺度上计算了一种新指标——多变量多尺度多频率熵（Multivariate Multiscale Multi-Frequency Entropy, M3FrEn）。结果显示，经线性混合效应模型评估，组别和刺激的主效应显著，且组别与刺激的交互作用在所有尺度上均显著。事后分析显示，与健康对照相比，MCI受试者在多个刺激后早期尺度的刺激相关熵调制显著降低，其中尺度6效应最强（adjusted , ）。初步研究结果表明，M3FrEn能够捕捉MCI中与嗅觉相关的EEG改变，为其作为候选生物标志物的潜力提供了概念验证证据。
论文解读：基于M3FrEn的嗅觉EEG复杂度分析用于MCI早期检测
阿尔茨海默病（Alzheimer’s disease, AD）及相关神经退行性痴呆因人口老龄化而成为日益严峻的全球健康挑战。AD以β-淀粉样蛋白斑块和tau蛋白神经原纤维缠结沉积为特征，导致突触损伤和神经元死亡。轻度认知障碍（mild cognitive impairment, MCI）被认为是介于正常衰老与痴呆之间的过渡阶段，此阶段患者已有可察觉的认知损害但日常生活能力基本保留。目前AD和MCI的诊断主要依赖临床标准和神经心理测验，但这些工具易受教育与文化背景影响，且对早期或不典型表现敏感性不足；正电子发射断层扫描和脑脊液检测虽可识别AD病理，但属有创、昂贵、不适合大规模筛查。鉴于神经退行性变的不可逆性，亟需可及、灵敏的早期检测生物标志物。
嗅觉系统在AD早期即受累，嗅觉功能障碍往往先于记忆减退和痴呆。神经病理和影像学证据表明，嗅球、梨状皮层、内嗅皮层和边缘结构是Aβ沉积和神经原纤维缠结最早出现的区域之一。气味识别障碍在MCI和AD中均高度普遍，纵向研究还提示嗅觉功能障碍可预测认知衰退和向AD转化。因此，嗅觉障碍被认为是一种低成本、可扩展的前驱期标志物。脑电图（electroencephalography, EEG）作为一种非侵入、低成本工具，已被广泛用于研究神经退行性疾病的脑活动改变。定量EEG研究显示，AD和MCI患者存在背景活动减慢、事件相关电位异常及功能连接破坏。非线性熵与复杂度测度则提示从健康老龄化到MCI再到AD，EEG复杂度进行性下降。
然而，已有研究大多关注静息态或宽带记录，嗅觉诱发反应相对未充分探索，尤其是在MCI阶段。尽管嗅觉事件相关电位（OERPs）在AD和MCI中已有报道，但传统幅度和潜伏期指标可能不足以捕捉细微的功能变化。为填补这一方法学空白，研究人员在本概念验证研究中提出了一种系统框架：结合严格的数据质量控制、结构化预处理和一种新型多变量多尺度多频率熵（Multivariate Multiscale Multi-Frequency Entropy, M3FrEn）指标，分析嗅觉oddball范式诱发的EEG，以区分健康受试者（healthy subjects, HS）和MCI患者。该研究利用公开数据集进行验证，该数据集原始包含7例MCI、15例HS和13例AD受试者。研究人员最终纳入6例HS和7例MCI进行分析，相关成果发表于《Biosensors》。
主要关键技术方法如下：研究使用的公共嗅觉oddball EEG数据集来自文献[21]；在数据清洗中实施分层质量控制，包括重复记录检查、被试间评价、通道噪声评价和epoch伪迹评价；预处理时将每个3 s epoch划分为刺激前（?1至0 s）、刺激后早期（0至1 s）和刺激后晚期（1至2 s）三个时间窗，并分别滤波至δ（1–4 Hz）、θ（4–8 Hz）、α（8–13 Hz）和β（13–30 Hz）频带；计算M3FrEn时采用嵌入维度m=3、时间延迟τ=1，并在10个时间尺度上估计；随后使用线性混合效应模型（linear mixed-effects model, LMM）及Benjamini–Hochberg错误发现率（FDR）校正进行推理性统计，并采用完全嵌套的留一受试者（LOSO）交叉验证结合三种线性分类器（逻辑回归、线性支持向量机、线性判别分析）进行探索性分类。
研究结果分为两部分。4.1 推理性分析（Inferential Analysis）：通过LMM分析M3FrEn特征，发现组别和刺激的主效应显著，且组别与刺激的交互作用在所有10个尺度上均保持显著。事后配对比较显示，在刺激后早期窗口的多个尺度上，MCI受试者的刺激相关熵调制与HS存在显著差异，其中尺度6效应最强：HS对稀有刺激（玫瑰）表现为负向调制，而MCI表现为轻微正向调制，效应量（Hedges’ g）很大。除尺度6外，早期窗口的尺度1–5和7–10也均达到显著性。相比之下，刺激前和刺激后晚期窗口未见显著组别差异。4.2 分类分析（Classification Analysis）：在完全嵌套LOSO框架下，30个候选特征（10尺度×3时间窗）的特征选择仅在训练折内进行。结果显示，尺度6早期窗口特征在13个折中被LR和SVM各选择13次、LDA选择12次，其他被选特征也均属于早期窗口。三种分类器的观测准确率均为92.3%，均正确分类12/13名受试者（5/6 HS，7/7 MCI）；bootstrap估计的平均准确率约为92%，灵敏度和特异性稳定。研究还报告，完全嵌套验证的设计旨在避免信息泄漏和过拟合，但样本量较小限制了强泛化结论。
讨论部分指出，本研究发现MCI组熵升高而非降低，与既往静息态研究中AD/MCI复杂度降低的结果不同。研究人员认为这可能反映早期神经退行性变中的代偿性神经募集，且M3FrEn是一种同时捕捉空间、时间和频谱维度的综合度量，与单变量或单尺度熵不可直接比较。此外，效应广泛存在于多个时间尺度，提示多尺度分析有助于揭示神经退行性连续谱中的不同改变。该研究的局限性包括最终样本量较小、气味身份与刺激角色（稀有/频繁）在范式中存在固有混杂，以及仅使用Fz、Cz、Pz三个中线电极。未来需在更大独立队列中验证。
结论部分翻译如下：本研究为基于熵分析的嗅觉诱发EEG可捕捉认知正常老年人（healthy subjects, HS）与MCI患者之间的组间差异提供了初步概念验证证据。所提出的流程整合了分层质量控制、多尺度熵估计和推理性分析。这一方法学步骤对于在存在大量噪声和低密度EEG记录的公共数据集中更稳健地检测刺激相关EEG复杂度调制至关重要。结果表明，M3FrEn对嗅觉相关的脑动力学变化敏感，并可能有助于识别早期认知衰退。推理性分析涉及多个时间尺度和实验条件，揭示了显著的组别-刺激交互作用，刺激后早期窗口所有10个尺度特异性对比在校正多重比较后仍然显著，其中尺度6效应最强。探索性分类分析进一步提示，在嗅觉条件下，一小部分基于熵的特征包含判别信息，对于逻辑回归、线性支持向量机和线性判别分析，分类准确率分别约为92%、92%和92%。总体而言，这些初步发现为多尺度熵作为MCI候选生物标志物的潜力提供了概念验证证据，并推动其在更大规模独立队列中的验证。未来研究计划收集更大规模HS、MCI和AD受试者的嗅觉诱发EEG数据，并结合相关临床和人口统计学因素，同时采用多通道采集和平衡设计，交替嗅味角色，并加入心理物理评级，从而可独立估计刺激概率和气味特异性感知维度的贡献。此外，未来还需对嵌入维度和时间延迟等参数设置进行敏感性分析，以评估当前结果的稳健性。
