阿尔茨海默病（AD）通常伴随长达数十年的“沉默潜伏期”。在临床出现明显的记忆力减退、定向力障碍或执行功能受损之前，大脑内早已发生淀粉样β蛋白（Aβ）沉积、过度磷酸化tau蛋白缠结、神经炎症及突触退化等病理级联反应。如何在这一临床前期窗口期精准识别高危人群，对于阻断不可逆的神经元死亡至关重要。
近日，Kanhao Zhao及研究团队提出了一种突破性的计算模型——阿尔茨海默病韧性-脆弱性连接组（Alzheimer’s Resilience-Vulnerability Connectome, ARC）。该研究打破了传统诊断模型将患者与“普通老人”进行对比的范式，转而以“超级老人”（SuperAgers）——即75岁以上且记忆力水平堪比年轻人的长者——作为认知韧性的基准锚点。
研究人员利用静息态功能磁共振成像（rs-fMRI）技术，深入分析了全脑功能连接组，包括默认模式网络（DMN）、显著性网络及执行控制系统。ARC模型通过学习这两种极端人群（超级老人与临床确诊AD患者）在大脑网络层面的时空协同模式，成功构建了一条反映从“卓越韧性”到“神经退行性崩塌”的生物学光谱。
在对超过1,300名认知功能正常的长者进行测试后，研究发现ARC能够客观量化个体在上述光谱上的位置。纵向追踪数据表明，baseline连接组倾向于AD模式的受试者，在未来5至15年内表现出更快的认知衰退速度、更高的淀粉样β蛋白积聚率，以及向轻度认知障碍（MCI）及痴呆转化的更高风险。
这一非侵入性、无需辐射的影像诊断工具，为AD的早期风险分层提供了强有力的支持。专家指出，在临床试验中，利用ARC模型在神经元大规模丢失前识别并筛选高危群体，将显著优化抗淀粉样蛋白或tau蛋白药物的疗效。此外，解析“超级老人”大脑中保留认知功能的关键枢纽，也为神经调控及预防性神经科学研究指明了新的解剖学靶点。
Author: Kanhao Zhao et al.