大规模研究揭示了大脑衰老的常见功能和结构模式

大规模研究揭示了大脑衰老的常见功能和结构模式

健康衰老会导致大脑功能活动和结构形态的平行变化，但这些变化之间的相互作用仍不清楚。山西大学计算机与信息技术学院杜宇辉教授团队与乔治亚州立大学Vince D. Calhoun教授合作，分析了英国生物银行27793名健康志愿者（49-76岁）的多模态神经影像数据。他们提出了单模态和多模态脑年龄预测和联合功能结构衰老分析的统一框架，系统地表征了功能网络连接（FNC）和灰质体积（GMV）之间的各种协同和矛盾的衰老模式。重要的是，这些关节模式也与特定的认知能力下降有关。该研究题为“使用 27,793 个样本的大脑功能和结构收益的联合老化模式”，发表在《Research》（2025, 8:0887；DOI: 10.34133/research.0887）上。

背景

与年龄相关的认知能力下降与大脑结构和功能相互作用的变化密切相关。大多数先前的神经影像学研究都使用单一模式来检查衰老，即结构 MRI (sMRI) 或源自静息态 fMRI (rs-fMRI) 的功能连接。然而，随着年龄的增长，大脑功能和结构是相互联系并共同发展的。仅研究一种模式很难破译认知衰老的真正机制。此外，许多多模式脑衰老研究只是简单地将功能和结构特征联系起来，往往导致更强的结构特征掩盖了更微妙的功能贡献。这可能会导致错过真正的关节老化模式。

研究进展

为了应对这些挑战，作者开发了一个统一的多模态框架，用于脑年龄预测和联合衰老分析（图 1）。具体来说，使用嵌套、两层、10 倍交叉验证的套索回归将年龄与全脑 FNC 和 GMV 分开预测，从而产生稳健的与年龄相关的功能和结构特征。从各个模态识别出的关键 FNC 和 GMV 特征在相同的嵌套交叉验证方案下进行合并和评估，以确保公平的多模态比较并防止结构优势。最后，每个可靠的 FNC 与其两个连接区域的 GMV 配对，形成常见的衰老变化，从而可以系统地表征协同（或矛盾）的功能结构变化及其认知相关性。

研究证实，基于 GMV 的模型在年龄预测方面优于基于 FNC 的模型，表明结构对衰老的敏感性更强。至关重要的是，结合 FNC 和 GMV 功能的多模态模型实现了最高的预测精度（图 2），这凸显了对大脑衰老进行综合分析的必要性。

对常见 FNC-GMV 变化的进一步分析揭示了两种主要的衰老模式（图 3）：
协同变化：FNC 强度和 GMV 同时下降，主要在小脑、额极、副扣带回和楔前叶皮质中观察到。这种模式表明控制运动控制和高阶认知的区域存在协调的功能和结构退化。

相互矛盾的变化：FNC 增加，GMV 减少，主要发生在视觉区域，如枕极和外侧枕叶皮层。这表明适应性功能的改善可以抵消结构性衰退。

值得注意的是，某些关节变化与某些认知领域的恶化密切相关（图 4）。视觉区域的冲突变化与流体智力和数字记忆的相关性最强，反映了视觉信息处理的适应性维持。相比之下，小脑小腿 I 和副扣带回之间的协同下降与反应时间减慢相关，这表明感觉运动和注意力回路恶化的直接影响。

意义及未来展望

这项大规模研究为健康大脑衰老过程中常见的功能结构变化提供了直接证据，并揭示了涉及广泛协同退化和局部代偿适应的复杂动态过程。研究结果不仅拓展了我们对差异性认知衰退神经生物学机制的理解，而且为开发多模式神经影像生物标志物和有针对性的早期干预策略奠定了基础。

资料来源：