🧠 神经病学

Beyond reduced alpha power: a weaker temporal link between alpha and other brain rhythms in Alzheimer's disease

这项研究表明，阿尔茨海默病不仅以阿尔法波功率降低为特征，还表现为阿尔法节律与其他大脑活动之间存在独特的、部分非冗余的连接减弱，这表明量化这种动态相互作用在传统频谱标记之外具有补充性的诊断价值。

原作者： Wei, J., Zhou, C.

发布于 2026-10-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Wei, J., Zhou, C.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

人类的大脑并非一台静态的机器，而是一个活生生的、呼吸着的电活动景观，随着时间的推移不断发生位移与流动。即使当我们闭着眼睛静坐时，我们的思维仍在以节奏性的模式律动。这些模式中最显著的一种是阿尔法（alpha）节律，这是一种在后脑部记录到的电信号中占据主导地位的稳定节拍。几十年来，科学家们已经知道在阿尔茨海默病中，这种节律会发生变化。它变得更弱、更慢，这标志着大脑的电学机制正在挣扎。这一观察结果如此一致，以至于测量阿尔法节律的强度已成为寻找疾病迹象的标准方法。然而，这些传统的测量方式仅告诉我们该节律平均而言有多“响亮”，就像是在测量一首歌的音量，却不去倾听其中的音符是如何随时间相互连接的。它们忽略了大脑的不同节律如何随着时间的流逝进行交流这一动态过程。

香港浸会大学的研究人员开展的一项新研究提出了一个更深层的问题：在阿尔茨海默病中，大脑失去的不单纯是其阿尔法节律的“音量”，还失去了利用该节律来协调大脑其余活动的“能力”吗？研究人员想要探究，在健康的大脑中，阿尔法节律是否扮演着指挥家的角色，引导着随后出现的其他电节律，以及这种引导作用是否在疾病中失效。为了找出答案，他们观察了来自29名健康老年人、36名阿尔茨海默病患者以及23名患有另一种被称为额颞叶痴呆症的痴呆症患者的记录。他们不仅仅观察了信号的平均强度；相反，他们观察了大脑活动是如何一秒一秒展开的。

团队将大脑记录切分为微小的、一秒钟一段的切片。在每个切片中，他们将稳定的节奏性波形从嘈杂的背景静电噪声中分离出来。随后，他们使用了一个计算机模型，来观察了解阿尔法节律在某一秒钟的行为，是否能帮助预测其他节律（如西塔、贝塔和伽马节律）在紧接着的下一秒钟会如何表现。研究人员发现，在健康的大脑中，阿尔фа节律确实是一个良好的预测因子。如果已知前一刻阿尔法节律的表现，他们就能更好地推测下一刻其他节律的表现。这表明，在健康的大脑中，阿尔法节律正在积极地帮助组织信息的流动。

但在阿尔茨海默病患者的大脑中，这种连接断裂了。研究人员发现，这些患者的阿尔法节律失去了预测其他节律未来活动的各种能力。这就像是指挥家停止了对管弦乐队的领导，导致其他乐器在缺乏协调的情况下各自演奏。至关重要的一点是，这种连接的丧失并非仅仅因为阿尔法节律变得更微弱了。研究人员仔细检查了这种信号减弱是否只是因为节律过于微弱而导致难以准确测量。他们调整了计算方式，以将信号强度和记录质量纳入考量。即便在进行了这些调整之后，这种连接性的丧失依然显著存在。事实上，健康组与阿尔茨海默病组之间的差异非常明确，以至于即使在考虑了患者阿尔法节律较弱这一事实后，这种差异依然存在。

为了确保这是一个真实的生物学差异而非测量误差，团队将他们的发现与另一种衡量标准进行了对比：即阿尔法节律在从一秒到下一秒之间对自身的预测能力。他们发现，对于这种“自我预测”，一旦考虑了信号强度，组间差异就会消失。这证实了与其他节律的连接丧失是一个特定的问题，而非仅仅是由于信号微弱导致的普遍现象。研究还表明，这两个问题——弱化的阿尔法节律与断裂的连接——是截然不同的。一个人可能拥有较弱的节律但仍保持一定的连接性，反之亦然。这意味着，仅通过观察节律的强度不足以全面理解阿尔茨海默病的大脑状态；我们还必须观察该节律与大脑其余部分沟通的效果如何。

研究人员还对一个简单的脑回路进行了计算机模拟，以观察这两个问题是否可以独立发生。他们发现，这是可以实现的。通过改变模拟电路中的某个部分，他们可以让阿尔法节律变弱，但不破坏其与其他节律的连接。通过改变另一个部分，他们可以在不显著削弱节律强度的前提下，破坏其连接性。这表明，大脑的电系统有多种失效的方式，而阿尔茨海默病似乎同时攻击了节律的强度及其领导其他节律的能力。虽然这项研究受限于特定的患者群体且未进行长期追踪，但其发现提供了一种看待该疾病的新视角。它表明，阿尔茨海默病患者的大脑不仅是变得更“安静”了，而且也变得更缺乏协调性，失去了将不同电活动联系在一起的时间线索。这种新视角最终可能帮助医生更早地检测出疾病，或者通过聆听大脑歌曲中音符如何相互衔接，而不只是聆听其音量，来监测治疗的效果。

问题陈述
阿尔茨海默病（AD）的一个成熟的静息态脑电图（EEG）特征是 $\alpha$ 功率降低。然而，传统的功率测量方法仅表征 $\alpha$ 活动的平均强度，未能捕捉其与其他脑节律之间的动态时间相互作用。虽然已知 $\alpha$ 活动与 $\theta$ 、 $\beta$ 和 $\gamma$ 节律存在相互作用，但目前尚不清楚 AD 是否削弱了近期 $\alpha$ 波动与随后多节律活动之间的时域联系。此外，尚不确定这种动态变化是否携带了不同于已知的 $\alpha$ 表达（功率）降低之外的独特信息，或者它仅仅是信号质量下降的副产物。

研究方法
本研究分析了来自 88 名参与者的公开、闭眼静息态 EEG 数据，其中包括 29 名健康对照组（HC）、36 名 AD 患者和 23 名额颞叶痴呆（FTD）患者。分析流程包括：

谱分解： 将信号划分为连续的 1 秒窗口。通过迭代拟合方法掩盖频谱峰值，从而将周期性活动（ $\theta$ 、 $\alpha$ 、 $\beta$ 、 $\gamma$ ）与非周期性背景分离。
状态轨迹： 为每位参与者生成五个状态轨迹：非周期性指数以及 $\theta$ 、 $\alpha$ 、 $\beta$ 和 $\gamma$ 的空间主成分 1（PC1）加权功率。
预测建模： 使用一阶向量自回归模型（VAR(1)），根据前一窗口的值来预测当前窗口的五个状态。
$\alpha$ 的预测贡献 ( $G_\alpha$ )： 该指标定义为：当从模型中移除滞后的 $\alpha$ 并重新拟合模型时， $\theta$ 、 $\beta$ 和 $\gamma$ 的样本外预测误差（均方误差）的增加量。该指标通过时间块交叉验证进行估计，以确保该度量反映了格兰杰意义上的增量预测信息。
调整与基准： 对 $G_\alpha$ 进行年龄、性别、 $\alpha$ 表达（周期性功率）和信号质量（动态范围和空间分半可靠性）的调整。同时分析了一个基准指标——条件 $\alpha$ 自持续性 ( $P_\alpha$ )，以测试对信号强度的敏感性。
互补性与建模： 研究测试了 $\alpha$ 表达和 $G_\alpha$ 是否提供了用于区分 AD 与 HC 的互补信息，并使用逻辑回归进行分析。此外，通过探索性的 Jansen–Rit 类神经质量电路模型进行模拟，以确定表达量和预测贡献是否可以在不同的机制扰动下独立发生变化。

主要结果

预测贡献降低： 与 HC 相比， $G_\alpha$ 在 AD 中显著降低（ $10^3 G_\alpha$ 的调整后差异为 $-3.19 $；$ p = 0.0035 $）。这种降低在敏感性分析（如改变模型阶数、去趋势处理和个体$ \alpha$ 频段）中保持一致。
与表达量和质量的独立性： 在针对 $\alpha$ 表达和信号质量进行调整后，仍保留了 $G_\alpha$ 中 75.8% 的 AD–HC 差异。相比之下，同样的调整仅保留了 $\alpha$ 自持续性 ( $P_\alpha$ ) 差异的 4.4%，这表明 $G_\alpha$ 的降低并非仅仅是由于较弱或噪声较大的 $\alpha$ 信号所致。
互补信息： $\alpha$ 表达和 $G_\alpha$ 都提供了独特的组间信息。在包含表达量的模型中加入 $G_\alpha$ （反之亦然）会显著提高区分 AD 与 HC 的拟合优度（Holm 调整后 $p$ 分别为 $0.012$）。
特异性： 与其他节律相比，作为预测因子的 $\alpha$ 的预测贡献降低最为显著。该效应在目标节律（ $\theta$ 、 $\beta$ 、 $\gamma$ ）之间是一致的，且在前后部区域之间没有显著差异。
FTD 发现： FTD 组的值介于 HC 和 AD 之间，但差异在统计学上并不显著，这可能是由于样本量和异质性导致的。
电路模型： 探索性模型表明，表达量和 $G_\alpha$ 可以部分独立地发生变化。降低局部递归兴奋会降低表达量，但不降低 $G_\alpha$ ；而降低下游输入则会降低 $G_\alpha$ ，且对表达量的影响较小。

意义与主张
本文声称，在群体水平上，AD 的 $\alpha$ 异常包含两个部分非冗余的维度：(1) 表达量（功率）降低，以及 (2) $\alpha$ 与随后多节律活动之间更弱的时域联系。研究认为，量化这种时域联系（ $G_\alpha$ ）可以补充传统的频谱标记。研究结果表明，时域联系的削弱是 AD 神经生理学的一个独特特征，即使在考虑了信号强度降低之后，该特征依然存在。作者得出结论，测量 $\alpha$ 与其他节律之间的时域联系可能为表征 AD 神经生理学提供有价值的补充，值得在独立的、基于生物标志物的队列中进行验证。论文明确指出， $G_\alpha$ 是一个衡量头皮水平节律状态之间依赖关系的预测性度量，并不直接映射到特定的解剖通路。

类似论文