《Neurobiology of Aging》：Detecting dynamic pathways and risk indicators of resilience, vulnerability and stability in normally aging females and males: Integrating data-driven longitudinal and machine leaning analyses
编辑推荐：
韧性概念在脑老化研究中已获得越来越多的理论和实证关注，相关研究涉及多种视角、方法和术语体系。这一概念的兴起主要源于实证结果揭示了脑老化与认知老化模式中存在的显著异质性，包括：（a）横断面研究中脑结构老化和认知表现的年龄相关缺陷低于预期；（b）纵向研究中长期脑老
韧性概念在脑老化研究中已获得越来越多的理论和实证关注，相关研究涉及多种视角、方法和术语体系。这一概念的兴起主要源于实证结果揭示了脑老化与认知老化模式中存在的显著异质性，包括：（a）横断面研究中脑结构老化和认知表现的年龄相关缺陷低于预期；（b）纵向研究中长期脑老化与认知老化轨迹分布的可变性大于预期。近期框架将韧性置于总体或推论层面，指脑储备、认知储备和脑维护三个组成部分的特定组合。后续路线图综述进一步指出，人类韧性研究应加强对脑老化动态本质及人群水平异质性指标的关注。本研究以纵向设计为核心，采用数据驱动的轨迹分析方法，检测韧性、稳定性和脆弱性三种动态路径，并通过机器学习分类器识别关键预测指标，同时考察性别调节效应。研究利用阿尔茨海默病神经影像学倡议（ADNI）纵向数据库，对415名基线认知未受损的老年人（平均年龄74.9岁，49.9%为女性）进行海马体积和认知表现的潜在类别增长分析，分别识别出海马体积和认知的两类轨迹。基于两类轨迹的联合分布，将参与者操作性地分类为韧性组（低海马轨迹+高认知轨迹，n=72）、稳定性组（高海马轨迹+高认知轨迹，n=92）、脆弱性组（高海马轨迹+低认知轨迹，n=144）和双下降组（低海马轨迹+低认知轨迹，n=107）。随后，研究人员采用包括随机森林、梯度提升和K近邻在内的三种机器学习算法，对涵盖生物学、人口学、遗传学、血管代谢、生活方式、共病和家族史等33项生物标志物和风险因素的多模态预测指标进行分类分析，并通过Tree SHAP值确定各预测模型中的主要指标。研究结果显示：韧性（对比双下降）的主要预测指标为较低血浆Aβ1-42、较高教育程度、较高脑脊液（CSF）Aβ1-42和较低基线年龄；稳定性（对比双下降）的主要预测指标为较高CSF Aβ1-42、较高CSF p-tau181、较高血浆Aβ1-40和较低多基因风险评分；脆弱性（对比韧性）的主要预测指标为较低教育程度、较高血浆Aβ1-40和较高血浆Aβ1-42。按性别分层后，女性韧性主要预测指标为较低多基因风险评分、较高CSF Aβ1-42和较低血浆Aβ1-40；男性韧性主要预测指标为较低血浆Aβ1-40和较低基线年龄。女性稳定性主要预测指标为较低多基因风险评分、较高体质指数、较低老年抑郁评分和较高CSF Aβ1-42；男性稳定性主要预测指标为较高CSF Aβ1-42、较高CSF p-tau181和较低多基因风险评分。女性脆弱性主要预测指标为较低教育程度、较高血浆Aβ1-40、较低血糖水平和较低老年抑郁评分；男性脆弱性主要预测指标为较高血浆Aβ1-40、较低教育程度和较高血浆Aβ1-42。研究结论表明，生物标志物在多项预测中处于领先地位，韧性、稳定性和脆弱性路径具有不同的风险指标组合，且性别分层分析揭示了女性与男性之间的显著差异。这些指标中许多具有潜在可调节性，为促进健康脑老化和预防认知脆弱性提供了科学依据。该研究发表在《Neurobiology of Aging》。
**论文解读：检测正常老化女性和男性的韧性、脆弱性与稳定性的动态路径及风险指标**
**一、研究背景与问题**
脑老化研究中的一个重要议题是，老年人群在脑结构和认知功能随龄变化上表现出显著异质性，部分个体呈现低于预期的认知衰退，甚至维持高水平功能，而另一些个体则出现加速下降。韧性（resilience）的概念日益受到关注，指个体在面对神经退行性病变或脑结构损伤时仍能维持相对良好的认知功能。近期框架将韧性操作化为脑储备、认知储备和脑维护三个组成部分，并强调需要从纵向动态视角考察其变化过程。然而，既往研究多聚焦于韧性本身，对稳定性（stability）和脆弱性（vulnerability）的轨迹模式及其预测指标探讨不足。脑老化和认知老化轨迹具有动态异质性，不同个体可能经历韧性（脑受损但认知维持）、稳定性（脑与认知均维持）或脆弱性（脑结构正常但认知下降）等不同路径。此外，性别差异在老化轨迹及相关风险因素中发挥重要作用，但现有研究对性别分层下的韧性、稳定性和脆弱性预测指标缺乏系统比较。因此，有必要利用纵向数据驱动方法识别这些动态路径，明确其关键风险指标和生物标志物，并考察性别调节效应。
研究人员基于上述背景提出三个研究目标：第一，识别韧性路径（低海马体积轨迹+高认知轨迹）的关键预测指标；第二，识别稳定性路径（高海马体积轨迹+高认知轨迹）的关键预测指标；第三，识别脆弱性路径（高海马体积轨迹+低认知轨迹）的关键预测指标。所有分析均在全样本及性别分层样本中进行。
**二、主要关键技术方法**
本研究使用阿尔茨海默病神经影像学倡议（Alzheimer's Disease Neuroimaging Initiative, ADNI）数据库，数据下载于2020年6月30日。样本包括415名基线认知未受损的老年人，其中女性207人，男性208人，基线平均年龄74.9岁。研究采用纵向设计，参与者平均接受约5次磁共振成像（MRI）扫描和4.3次认知评估。海马体积通过FreeSurfer 6.0处理，并采用NOMIS工具计算Z分数以评估形态学偏差；认知测量采用ADNI记忆复合评分和ADNI执行功能复合评分。风险因素和生物标志物涵盖生物学（血浆Aβ1-40、血浆Aβ1-42、CSF Aβ1-42、CSF总tau、CSF p-tau181）、人口学（年龄、性别）、遗传学（APOE、多基因危险评分）、血管代谢（高血压、血糖）、生活方式（体质指数、教育、吸烟史）、共病（18项）及家族史（父母痴呆史）共33项指标。分析方法包括：（a）潜在类别增长分析（Latent Class Growth Analysis, LCGA），在海马体积和认知两个纵向轨迹分布中分别识别潜在类别；（b）机器学习（Machine Learning, ML）分类，采用随机森林（Random Forest, RF）、梯度提升（Gradient Boosting, GB）和K近邻（K-Nearest Neighbours, KNN）三种算法，在分层五折交叉验证中进行超参数调优；（c）Tree SHAP（Tree Shapley Additive exPlanation）值用于评估各预测指标的相对重要性。
**三、研究结果**
**1. 韧性路径的预测指标（目标1）**
全样本分析结果显示，梯度提升分类器表现最佳。累积贡献达40%的四个主要指标依次为：较低血浆Aβ1-42、较高教育程度、较高CSF Aβ1-42和较低基线年龄。这表明在面临海马萎缩等神经退行性压力时，教育程度较高和淀粉样病理负荷较低的个体更可能维持认知功能。性别分层后，女性韧性由较低多基因风险评分、较高CSF Aβ1-42和较低血浆Aβ1-40预测；男性韧性由较低血浆Aβ1-40和较低基线年龄预测。值得注意的是，多基因风险评分在女性中的贡献远高于男性，提示遗传风险对女性韧性路径影响更大。
**2. 稳定性路径的预测指标（目标2）**
全样本分析中，梯度提升分类器表现最佳。四个主要指标依次为：较高CSF Aβ1-42、较高CSF p-tau181、较高血浆Aβ1-40和较低多基因风险评分。较高CSF Aβ1-42表示较低脑内淀粉样沉积，较低多基因风险评分意味着较低的阿尔茨海默病（AD）遗传风险。尽管CSF p-tau181通常被视为AD病理标志物，但本研究发现其与稳定轨迹相关，可能反映正常老化范围内的tau变异。性别分层后，女性稳定性指标包括较低多基因风险评分、较高体质指数、较低老年抑郁评分和较高CSF Aβ1-42；男性稳定性指标包括较高CSF Aβ1-42、较高CSF p-tau181和较低多基因风险评分。
**3. 脆弱性路径的预测指标（目标3）**
全样本分析中，随机森林分类器表现最佳。三个主要指标依次为：较低教育程度、较高血浆Aβ1-40和较高血浆Aβ1-42。这表明即使海马体积维持稳定，教育水平较低和血浆Aβ水平较高的个体仍可能表现出认知下降。性别分层后，女性脆弱性指标包括较低教育程度、较高血浆Aβ1-40、较低血糖水平和较低老年抑郁评分；男性脆弱性指标包括较高血浆Aβ1-40、较低教育程度和较高血浆Aβ1-42。
**四、讨论与结论**
本研究发现，生物学标志物在多项预测分析中占据主导地位，特别是CSF和血浆Aβ1-42、血浆Aβ1-40及CSF p-tau181。教育程度作为韧性的一致预测指标，支持认知储备理论。遗传风险（多基因风险评分）对女性和男性稳定性均有预测作用，但在韧性中的性别差异更为突出。血浆Aβ1-40同时与稳定性和脆弱性相关，可能反映其与海马完整性的关联而非认知变化。本研究的优势在于采用双域纵向数据（脑结构和认知）进行数据驱动的轨迹分类，并在机器学习框架中比较多种算法，同时进行性别分层分析。局限性包括：ADNI便利样本可能限制普适性；生物标志物缺失数据较多；机器学习区分效力为中等（AUC 0.57-0.75）；仅以海马体积作为神经退行性压力指标。总之，韧性、稳定性和脆弱性具有不同的预测指标组合，且女性与男性存在差异。教育、体质指数、抑郁评分等潜在可调节指标为促进健康脑老化和预防认知脆弱性提供了干预靶点。该研究发表在《Neurobiology of Aging》。
