马德里卡洛斯三世大学（UC3M）和隶属于马德里自治区公共卫生网络的莱加内斯塞韦罗·奥乔亚大学医院的研究人员，开发了一种利用人工智能（AI）分析睡眠期间大脑电活动的方法，以促进阿尔茨海默病的早期诊断。这项近期发表于科学期刊《GeroScience》的研究表明，通过机器学习技术分析夜间脑电波，能够以非侵入性方式识别早期神经元病变，并将患者分为三个不同的生物学亚组。

阿尔茨海默病是一种进行性神经退行性疾病，其临床症状通常在脑部病理过程开始后10至20年才显现。目前，现有的药物只有在疾病早期阶段使用时才有效。

尽管在西班牙部分医院，血浆p-tau217检测已开始应用于临床实践，但在国家卫生系统中，该检测的可及性仍不均衡。在许多情况下，对患者的临床评估需要借助先进技术（如正电子发射断层扫描（PET））或侵入性操作（如腰椎穿刺以分析包围大脑和脊髓的脑脊液）来补充相关信息。这些检查通常在疾病相对晚期进行，此时症状已十分明显。

聚焦睡眠的研究

这项研究聚焦于睡眠期间大脑高度活跃的阶段，此时大脑会进行细胞清理过程，清除包括β-淀粉样蛋白在内的代谢废物。这一过程中存在双向关联：阿尔茨海默病会改变睡眠结构，而睡眠障碍反过来又会促进加速疾病进展的机制。

“睡眠期间的脑电活动记录使我们能够洞察正在发生的生物过程，这些过程随着时间的推移，可能导致记忆丧失以及阿尔茨海默病的特征性症状，”该研究的主要负责人、马德里康普顿斯大学（UC3M）神经科学与生物医学系教授阿拉特·穆尼奥斯-巴鲁蒂亚（Arrate Muñoz-Barrutia）解释道。

“通过我们的研究，我们致力于开发一种能够对阿尔茨海默病进行早期诊断的工具，该工具应是非侵入性的、经济实惠的，并且能够推广至大多数人群，”塞韦罗·奥乔亚大学医院呼吸科专家安娜·米凯拉·加埃塔博士解释道。

人工智能在睡眠监测中的应用

该研究团队分析了一套独特的数据库，该数据库将夜间脑电活动记录（即多导睡眠图）与从患者脑脊液中获取的蛋白质表达数据相结合，该数据库由圣玛丽亚·德莱里达大学医院-IRBLLeida的神经科专家杰拉德·皮尼奥尔·里波尔博士，

以及莱里达阿纳乌·德·维拉诺瓦大学医院呼吸科主任、IRBLLeida呼吸医学转化研究小组负责人费兰·巴尔贝博士共同领导的先前研究中建立的。该研究共纳入42名轻度至中度阿尔茨海默病患者和58名认知健康的对照组受试者。得益于卡洛斯三世卫生研究所的资助，莱里达研究团队收集了所有数据并建立了数据仓库，随后研究人员在此新研究中对该数据仓库进行了分析。

“信号是通过置于头皮上的一系列电极记录的，这些电极可整夜监测神经元的电活动。我们利用人工智能分析这些电活动，以识别可能表明脑内蛋白质积聚的特定变化，这些变化随后将导致神经退行性疾病，”该研究的另一位作者、 马德里中央大学（UC3M）神经科学与生物医学系的洛雷娜·加列戈·维尼亚拉斯（Lorena Gallego Viñarás）解释道，她还进一步说明：“人工智能并非旨在取代任何类型的医学检查，而是作为早期诊断的辅助手段。这使得我们能够更详细地分析信息，从而促进更早的诊断，并因此更早地开始治疗。”

这项基于人工智能的技术成功地将健康人群与阿尔茨海默病患者进行了精准区分。此外，通过将这些数据与脑脊液中的关键生物标志物——如β-淀粉样蛋白（Aβ42）、磷酸化tau蛋白（p-tau181）、 总tau蛋白（t-tau）以及神经丝轻链（NfL）等——，该算法成功识别出三类截然不同的阿尔茨海默病患者亚群。这些特征显示出生物标志物水平存在渐进性差异，这表明该疾病从早期阶段起就呈现出不同的生物学特征。

具有未来临床应用潜力的研究成果

未来，这些基于夜间睡眠研究的工具或可与血液检测（例如p-tau217蛋白检测）形成互补。这样一来，便可能拥有一种经济且可在家中实施的筛查方法，用于检测临床前阿尔茨海默病，并同时治疗睡眠障碍，从而有助于延缓认知功能恶化的进程。

“我们从这项研究中获得的另一项启示是，该领域未来的科学研究将基于神经学、呼吸科和工程学等不同学科的融合。这种合作至关重要，因为目前正在研发的药物仅能在疾病的早期阶段发挥作用，”安娜·米凯拉·加埃塔博士总结道。

参考文献：Gaeta, A.M., Gallego Viñarás, L., Barbé, F. 等（2026）。定量睡眠脑电图可识别阿尔茨海默病中与脑脊液核心生物标志物相关的亚组。《GeroScience》。https://doi.org/10.1007/s11357-026-02266-z 马德里三大学（UC3M）电子档案库：https://hdl.handle.net/10016/50388

视频：https://youtu.be/FBNCx_KPeQk