Multi-Domain Machine Learning of VR-synchronised directional EEG phase connectivity reveals candidate Alzheimer's continuum biomarkers
通过将沉浸式虚拟现实与64通道脑电图（EEG）及相位传递熵分析相结合，本研究表明，定向大脑连接模式能够准确区分阿尔茨海默病、轻度认知障碍和正常认知，同时识别出作为阿尔茨海默病连续谱系候选生物标志物的特定电生理特征。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你的大脑是一个繁忙且高科技的城市，数以十亿计的神经元就是其中的市民，不断地发送着信息以维持一切运转。有时，这些信息会变得有些混乱，就像交通拥堵或无线电信号中断一样，这可能是阿尔茨海默病的一个早期预警信号。长期以来，医生们一直试图通过在人们静坐休息时监听大脑的“无线电波”（称为脑电图，即 EEG）来捕捉这些故障。但就像试图通过观察一个正在熟睡的城市来寻找交通拥堵一样，休息状态可能无法显示出真正的隐患。科学家们也开始使用虚拟现实（VR）技术——把它想象成一个超级沉浸式的视频游戏——来给大脑一个特定的挑战，比如穿越迷宫或解决谜题。其核心思想是，如果你在脑力活动时对大脑的网络进行“压力测试”，你可能会发现那些在脑部仅仅处于放松状态时无法察觉的隐藏裂痕。这项研究提出了一个重大问题：我们能否将这种 VR “压力测试”与一个超级智能的计算机程序相结合，从而发现那些在一个人感到真正病倒之前，就预示着阿尔茨海默病极早期阶段的特定大脑交通模式？
在这项研究中，研究人员扮演了大脑侦探的角色，他们为 37 名志愿者（其中一些患有阿尔茨海默病，一些有轻度记忆问题，还有一些记忆力完好）配备了一个 64 传感器的头盔，并将他们置于一个虚拟现实世界中。研究人员不仅仅是观察大脑信号的大小，还使用了一种名为“相位转移熵”（Phase Transfer Entropy）的特殊数学工具来确定交通的“方向”。这就像不仅知道高速公路上有车在移动，而且还确切知道车辆行驶的方向以及谁在领跑。然后，他们将所有这些数据输入到一个机器学习“教练”（一种类型的计算机程序）中，看看它是否能学会区分这三组人群。
结果非常令人期待。这个计算机教练，特别是使用一种被称为“K-最近邻”（K-Nearest Neighbours）的方法，能够大约 86.5% 的时间内正确识别出一个人属于哪一组。更令人兴奋的是，它成功识别出了 100% 的轻度记忆问题（MCI）患者，这意味着在这个小规模群体中它没有漏掉任何一个病例。研究表明，随着疾病的进展，大脑的“交通模式”会发生非常特定的变化。对于阿尔茨海默病患者，大脑似乎失去了从后部（我们感知和处理空间的地方）向前方发送信号的能力，几乎就像一座断掉的桥梁。而轻度记忆问题患者则表现出不同的模式：当 VR 游戏变得困难时，他们的大脑会通过在后部建立额外的连接来尝试“更努力地工作”，就像城市为了应对突如其来的车流而增设了额外的交通灯。与此同时，认知功能正常的人则保持着交通的顺畅与高效。
研究人员还发现了 11 个特定的“线索”或生物标志物，它们似乎在做出这些区分方面起到了关键作用。这些线索包括大脑中心枢纽（城市中的一个关键路口）在伽马频率波段下的凝聚力，以及阿尔法信号在后脑部的流动情况。然而，作者谨慎地表示，这仅仅是一个开始。由于他们研究的人群相对较小（仅 37 人），这些发现更像是一个强有力的暗示或“概念验证”，而非最终的、可直接使用的医疗检测手段。他们建议，这种 VR-EEG 方法是一种可重复且令人兴奋的方式，可以用来寻找新的线索，但他们需要在一个更大规模的人群中进行测试，以确保它对每个人都有效。通过观察大脑网络在有趣的虚拟冒险中的反应来识别阿尔茨海默病的早期迹象，这是一个非常酷的进步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。