生物行移动版

阿尔茨海默病（AD）的临床诊断往往发生在记忆明显受损之后，而此时脑内淀粉样蛋白斑块与tau病理已积累多年。如何在症状出现之前识别高风险个体，一直是该领域最棘手的难题之一。斯坦福大学医学院的一项新研究提出了一种不同的思路：不依赖分子病理标志物，而是从大脑静息状态下的功能活动模式中读取“脆弱”或“韧性”的信号。该研究于11月4日发表在《Science Advances》上。

以“超级老人”为锚点构建ARC评分

研究团队分析了180名“超级老人”的静息态功能磁共振（fMRI）扫描数据。所谓超级老人，指年龄在75岁及以上、但记忆能力与典型45岁人群相当的老年人。对照组为110名年龄相仿、已确诊阿尔茨海默病的患者。通过比较两类人群跨脑网络的活动模式，团队识别出具有区分度的连接特征，并据此构建了“阿尔茨海默病韧性-脆弱性连接组评分”（ARC score）。该评分区分超级老人与AD患者的准确率约为85%。

研究第一作者、斯坦福博士后学者Kanhao（Alex）Zhao指出：“我们用ARC评分来预测这位患者转化为轻度认知障碍或阿尔茨海默病的可能性。”通讯作者、斯坦福精神病学与行为科学助理教授Yu Zhang解释了选择这一对照设计的理由：“正常、认知未受损的个体在生物学异常方面相当异质。简单地把超级老人与这样一个异质群体比较，很难界定什么是韧性或脆弱脑模式的关键。”换言之，以极端表型为锚点，比在混杂人群中寻找平均差异更能捕捉到有意义的信号。

在千余人队列中预测长达12年的认知轨迹

为验证评分的预测价值，研究者在1300余名55至70岁认知健康成人中进行了检验。这些参与者在基线时的认知表现并无明显差异，但他们的脑活动模式预示了不同的结局，随访时间最长达到12年。具有更多“阿尔茨海默样”活动模式的个体认知下降更快，更可能出现淀粉样蛋白斑块或最终被诊断为阿尔茨海默病；而具有“超级老人样”模式的个体则普遍维持了较强的认知能力。

更关键的是与现有标志物的横向比较。Zhao表示：“我们将ARC评分与现有生物标志物在预测转化方面进行了比较。我们的模型显示出相当或更好的预测能力，而且能在更早的时间点做到这一点。如果把我们的评分与现有标志物结合，预测性能还会提高。”Zhang补充了该领域的方法学困境：“现在大多数研究关注的是众所周知的阿尔茨海默病生物标志物，如淀粉样蛋白或tau。但这些标志物在疾病相对晚期才能被观察到。我们真正关心的是定义早期标志物，以便更早发现认知下降的迹象，并有可能及时为人们提供干预。”

从预测走向干预：脑年龄与可塑性

研究还发现ARC评分与“脑年龄”之间存在关联。脑年龄是基于功能MRI数据推导出的更广义的衰老度量，这一关联提示ARC评分捕捉到的可能不仅是病理易感性，也涉及大脑整体老化轨迹的个体差异。Zhang表示：“我很高兴我们建立了一个特征，能帮助我们更好地理解那些能维持出色认知表现的人与出现认知下降的人之间的差异。”

但研究者反复强调，ARC评分不是诊断工具，也不能决定一个人的未来。脑活动会随衰老、损伤和神经精神疾病而改变。团队希望有针对性的干预最终能把脆弱的脑模式推向更具韧性的方向，潜在手段包括认知训练和经颅磁刺激（TMS，利用磁脉冲影响脑活动）。不过，这些干预目前尚未被证明能通过改变ARC模式来预防认知下降。

Zhang用一句话概括了干预逻辑：“有两个主要组成部分：一是知道要靶向大脑的哪个部分，二是我们应该如何改变它。这就是为什么识别超级老人的脑韧性模式是一个关键环节——这样我们才知道一个好的模式应该是什么样。”其团队正计划开展试验，检验认知训练能否改变ARC评分。“但关键部分在于我们必须在早期阶段介入，”Zhang说，“这就是为什么我们聚焦于认知未受损人群，识别出超级老人样与阿尔茨海默样个体。如果我们能精确识别出这样的早期指标，我有信心可以通过先进的干预技术逆转或预防这一过程。”