在过去几十年里，全球的神经科学家和医学研究人员一直试图利用现有的健康记录、脑部扫描和其他医学数据，来发现与特定疾病或神经精神障碍发生相关的生物标志。识别这些生物标志物有助于开发新工具，预测个体患者发展特定疾病的风险，使医生能够及早干预，预防或延缓其出现，或减缓病情进展。

2026年，4月27日在《Molecular Psychiatry》上发表了题为“Alzheimer's disease-like brain pattern biomarker: capturing risks and predicting disease onset”的研究。该研究提出了一种名为区域脆弱性指数（RVI）的新型基于脑的指数，用于量化个体大脑与阿尔茨海默病（AD）患者脑缺损模式的相似度。研究团队首先通过荟萃分析确定了淀粉样蛋白阳性AD患者相对于阴性对照的脑区效应量，从而建立AD脑缺损模式。随后，他们在335名健康参与者和26,010名英国生物银行参与者中验证发现，携带APOE-ε4等位基因的健康个体RVI-AD指数显著升高，且Framingham心血管风险评分与APOE-ε4存在交互作用。在阿尔茨海默病神经影像倡议队列（1932名参与者，平均年龄74岁）中，基线RVI-AD指数可显著预测未来十年内从轻度认知障碍向痴呆的转化，尤其在头三年预测效果最佳。该指数能够在常规MRI检查中捕捉AD遗传和心血管风险的累积效应，为早期筛查提供了无创、经济的工具。

“我们正在开发区域脆弱性指数（RVI），作为将大数据神经影像学发现转化为个体层面预测的方法，”该论文第一作者研究人员表示。“国家和国际资助机构已投资收集涵盖多种精神和神经疾病（包括AD）的大型代表性样本的神经影像数据。国际科学联盟，如增强神经影像遗传荟萃分析（ENIGMA），成立了针对疾病的特定工作组，并采用方法论一致的方法汇总了跨研究样本和人群的数据。这些聚合产生的效应量可用于建模与特定脑部疾病相关的区域脑缺损模式。”

基于大脑的阿尔茨海默病风险指数的引入

以往研究表明，许多疾病的早期体征和症状，包括阿尔茨海默病，可能在数年内逐渐显现，而阿尔茨海默病的早期脑部特征可以在记忆或执行功能缺陷等临床症状显现前几十年被发现。

在阿尔茨海默病中，当临床症状明显出现并患者寻求医疗帮助时，他们的大脑可能已经严重受损。这使得旨在逆转或减缓疾病进展、恢复相关认知缺陷的干预和治疗变得具有挑战性。

研究人员表示：“我们的工作假设是，我们可以利用以阿尔茨海默病为中心的大数据神经影像研究中出现的模式，量化常规MRI检查中个体与阿尔茨海默病的相似度，这些检查是非侵入性、经济且广泛可得的，相较于阿尔茨海默病特异性正电子发射断层扫描（PET）或脑脊液采样——后者是阿尔茨海默病诊断的黄金标准。我们的主要目标是证明RVI-AD能够追踪与已知遗传和环境风险因素相关的早期大脑变化，这些变化最早发生在30岁的人群中。”

由研究人员及其同事设计的RVI-AD指数本质上是一个评分，用以量化一个人的大脑与阿尔茨海默病患者大脑的相似程度。在此语境下，个人被表示为一个向量（即数字列表），代表其大脑中特定区域的大小、厚度和/或体积。该向量被放置在一个高维“地图”中，该地图是利用ENIGMA联盟收集的脑成像数据创建的。

健康的APOE4携带者显示了基于阿尔茨海默全脑区域脆弱性指数(RVI-AD)的可复制阿尔茨海默病脑模式

研究人员解释道：“与阿尔茨海默病相关的模式在该空间中形成一个方向，RVI衡量个体的表型向量与该轴线的对齐程度。这个概念可以用笛卡尔坐标系直观地可视化，其中与特定轴的对齐表示与疾病相关的模式相似。我们正在开发一套报告系统，将全脑和组织特异性的RVI与已发展为痴呆的受试者观察到的模式进行呈现，便于解读结局，而非典型的放射学报告。”

为AD早期筛查提供信息

研究人员及其同事的最新研究有望推动开发工具，通过常规临床检查发现脑衰老过程对阿尔茨海默病或其他类型痴呆相关结构的早期迹象。未来，它可能促使引入定期筛查，旨在在首批症状出现前发现神经退行性疾病，从而帮助医生规划早期干预措施。阿尔茨海默病有多种遗传和环境风险因素，这些因素促成了其发展，即使解决其中一些，也可能促进更健康的脑部衰老。

研究人员解释道：“大脑是一个具有高度先天可塑潜力的器官；因此，及早解决风险模式有可能逆转个体远离阿尔茨海默病的轨迹。目前，常规MRI的临床读数无法准确反映认知正常个体的阿尔茨海默病风险，因为临床导向的检查无法检测皮层厚度、皮层下体积和白质微观结构的细微变化。通过显示个体大脑表型与预期阿尔茨海默病相关模式的匹配程度，RVI可以转化为临床实践。”

APOE4携带者Framingham心血管危险评分与RVI-AD的关系

该研究团队还开展了其他聚焦于严重心理健康障碍如精神分裂症的研究。他们的研究结果表明，当RVI指数考虑定期（例如每两到五年）收集一次脑影像数据时，其信息量可能更高。未来，研究人员希望开展进一步研究，旨在进一步完善RVI指数，并探讨疾病或精神疾病生物标志物随时间的变化。

研究人员补充道：“我们的研究重点是提高RVI的灵敏性和特异性。该指数的优势在于可以将多种影像数据合并为一个易于解读的数字，同时保留有关底层模式的具体信息。我们正重点整合脑血流和功能连接等其他影像学方式，这些对于提升重度抑郁障碍的RVI敏感性非常重要。”