在一场缺血性或出血性中风发生之后，神经系统的损伤极少局限于原发病灶本身。即使是那些逃过直接缺血损伤的脑区，也可能表现出加速结构性老化的特征。这种继发性的脆弱性在中风后失语症（post-stroke aphasia）中尤为明显。失语症是一种使人极度衰弱的语言功能障碍，患者在基线严重程度以及对康复的长期响应上往往表现出巨大的个体差异。

长期以来，临床医生一直试图通过绘制局灶性中风损伤图谱来预测康复情况，例如测量病灶体积并追踪特定的受损语言传导束。然而，这些指标往往无法解释为什么两个拥有几乎完全相同病灶的患者，会经历截然不同的恢复轨迹。

近期，由南卡罗来纳州大学弗洛伊德医学院的 Nicholas Riccardi、Leonardo Bonilha 及其同事领导的一项研究发表在《The Journal of Neuroscience》(JNeurosci)上。该研究证实，中风后的语言康复结局在很大程度上取决于未受损脑组织的生物学年龄及其神经复原力。

为了量化全脑的微妙结构变化，研究团队采用了一个经过广泛的常模人类大脑老化数据集训练的在线机器学习平台。该计算模型将个体的结构 MRI 扫描与预期基准进行比较，以检测偏离生理年龄的生物学偏差。

研究人员评估了 188 名表现出不同程度失语症的中风患者。令人瞩目的是，未直接受到中风破坏的半球内的结构老化标志物，能够独立于经典变量（如病灶体积或解剖学位置）来解释失语症的严重程度。

此外，研究团队还评估了接受强化康复方案（结合言语语言疗法与非侵入性脑刺激）的患者。在治疗前记录的基线大脑老化指标，能够准确预测治疗结束后 6 个月所测得的语言功能持续改善的程度。

这些发现确立了基线生物学老化模型与中风康复成功之间的关键联系，为定制个性化恢复方案提供了一个客观的框架。更重要的是，由于该计算模型仅需要标准的非增强临床 MRI 以及一个免费的可访问计算算法，因此该方法避免了通常会阻碍先进神经影像学生物标志物发展的高技术和经济壁垒。

第一作者 Nicholas Riccardi 表示：“这项工作表明，中风后的恢复潜力取决于大脑其余部分的健康状况，而这部分健康状况部分受心血管健康等可干预因素的影响。其次，由于这里的一切都源于单次常规扫描和免费的在线工具，这在未来有望切实应用于各种临床或研究环境中。”

针对可改变的全身健康因素（如血压、代谢指标和运动习惯）进行干预，有望维护整体大脑的复原力，确保未受损的神经网络保持良好的状态，从而支持中风后的神经可塑性和功能恢复。