脑龄预测在阿尔茨海默病连续疾病谱中的研究进展总结2026.docxVIP

脑龄预测在阿尔茨海默病连续疾病谱中的研究进展总结2026

随着人口老龄化的加剧，全球阿尔茨海默病(Alzheimersdisease，AD)发病率持续增长，给家庭和社会带来了极大负担。AD是以进行性认知功能减退为核心特征的神经退行性疾病(neurodegenerativediseases，NDDs)。AD连续疾病谱的演变过程包括主观认知下降、AD源性轻度认知障碍(mildcognitiveimpairment，MCI)及AD痴呆阶段[1]。AD的病因和发病机制复杂，目前仍缺乏有效的治疗手段[2]。目前AD主要诊断方法为神经心理学量表和特异性生物标志物检测[3]。这些手段虽各具优势，但存在敏感度不足和可及性受限等问题，寻找敏感度高、可重复性好的方法以预测AD连续疾病谱的进展已成为该领域研究的重点与难点[4]。

在此背景下，脑龄及其预测技术应运而生。脑龄通常利用多模态神经生物标志物，通过特定的统计学模型来计算个体的大脑生物学年龄。其核心指标为脑龄差(brainagegap，BAG)，即预测脑龄与实际年龄的偏离程度。相较于传统生物标志物，脑龄具有可及性强、敏感度高和非侵入性等优势，在AD早期识别和病程监测中展现出重要潜力。本文围绕脑龄预测在AD连续疾病谱中的研究进展展开综述，重点讨论其评估与建模方法、临床相关性及其在AD早期筛查与病程动态监测中的应用，以期为AD的早期识别和预