睡眠质量随年龄下降已是公认事实——这既涉及物理因素，也涉及神经系统变化。大量研究已建立睡眠障碍与神经退行性疾病风险之间的联系。那么，能否直接利用睡眠数据构建一个衰老大时钟来预测痴呆风险？最新研究给出了肯定答案。
方法：睡眠EEG微观结构 + 可解释机器学习
传统睡眠指标（如睡眠阶段比例、总睡眠时间等）与认知障碍的关联并不稳定，研究者认为这些宏观指标无法充分捕捉复杂睡眠生理特征。相比之下，睡眠脑电图（EEG）微结构直接反映具有明确功能意义的神经活动过程。
研究团队开发了一种可解释的机器学习方法，整合多种与年龄相关的EEG微结构特征，将复杂数据压缩为一个类似"年龄"的数字——即大脑年龄指数（Brain Age Index, BAI）。BAI = 大脑年龄 - 实际年龄，正值越大代表大脑衰老越快。
大规模验证：5个社区队列，7105人
研究团队汇集了5个大型社区纵向研究的数据：
- MESA（多民族动脉粥样硬化研究，2010-2013）
- ARIC（社区动脉粥样硬化风险研究，1987-1989）
- FHS-OS（Framingham心脏研究后代队列，1995-1998）
- MrOS（男性骨质疏松性骨折研究，2003-2005）
- SOF（女性骨质疏松性骨折研究，2002-2004）
总计纳入 7,105 名受试者，来自不同种族和性别群体，具有高度代表性。
核心结论
中位随访时间内：
- BAI每增加10年，痴呆发病风险升高39%（HR = 1.39）
- 调整合并症和呼吸暂停低通气指数后，关联仍显著（HR = 1.31）
- 进一步调整APOE ε4基因型后，仍保持显著（HR = 1.22）
该关联在性别和年龄亚组中均保持一致。
意义
睡眠EEG检测是一种非侵入性、相对廉价的检查手段，广泛应用于睡眠呼吸暂停等疾病的诊断。这项研究表明，同一份睡眠EEG数据不仅可用于诊断睡眠障碍，还可用于评估大脑衰老程度和痴呆风险预测。
随着可穿戴设备的普及，未来个人或可借助家用睡眠监测设备获得类似的"大脑年龄"评估，实现痴呆风险的早期预警。
原文：JAMA Network Open, 2026