文献分享|突破！EEG分层技术为阿尔茨海默病精准诊疗开辟新路径
阿尔茨海默病（AD）作为最常见的神经退行性疾病，其临床认知分层与病理标志物评估体系长期脱节，成为精准诊疗路上的一大障碍。而脑电图（EEG）凭借其无创、实时反映脑电活动的优势，为破解这一难题带来了新希望。
一项发表于《Clinical Neurophysiology》的多中心研究，成功构建并验证了基于静息态EEG的AD分层模型，实现了临床症状、病理标志物与经颅磁刺激（rTMS）治疗效果的精准关联，为AD的个性化管理提供了全新的统一框架。
一、多中心大样本研究，搭建EEG分层核心模型
这项由南方科技大学、深圳市人民医院、天津环湖医院等多家机构联合开展的研究，纳入了308例AD患者、176例帕金森病（PD）患者及181名健康对照者，是一项覆盖多中心的回顾性验证研究。研究团队以丘脑皮质环路完整性为核心，通过对静息态EEG数据的精细化分析，利用不规则重采样自谱分析方法分离神经功率谱的分形和振荡成分，最终定义了四种不同的EEG振荡模式（A、B、C、D），构建起全新的AD分层模型。
模式A:主峰频率和下限>8Hz
模式B:主峰>8Hz，下限≤8Hz
模式C:主峰≤8Hz，上限>8Hz
模式D:主峰和上限均≤8Hz
这四种模式依据α波峰值频率和频谱边界的数值特征划分，形成了丘脑皮质去神经支配程度由轻到重的梯度变化：
模式A、B为轻度异常，模式C、D为重度异常，精准对应了从正常认知到轻度认知障碍（MCI）再到痴呆的疾病进展过程。研究同时纳入PD患者作为疾病对照，进一步验证了该模型对AD病理生理的特异性。
图1：脑电图(EEG)分析流程。(a) 从三个不同研究中心招募的健康对照者及帕金森病/阿尔茨海默病确诊患者获取EEG数据。(b–c) 数据经过预处理后,提取出关键神经振荡模式(ABCD)。
二、三大核心发现，印证EEG分层的临床与病理价值
精准捕捉认知衰退连续体，匹配临床疾病分期
研究证实，EEG各振荡模式与AD患者的认知评分（MoCA、MMSE）高度相关：模式A、B患者的认知评分显著高于模式C、D，且模式B与C的分界点对应MMSE22分，恰好契合MCI向痴呆转化的临床关键节点，与现有AD靶向药物的适用人群评分标准一致。
健康对照者的EEG模式几乎仅见于A、B型，无C、D型表现，说明C、D型是AD患者认知衰退的特征性脑电改变，这也让EEG分层成为追踪AD认知进展的客观标尺。
关联核心病理标志物，锚定tau过度磷酸化关键节点
为验证模型的病理有效性，研究对100例AD患者进行脑脊液（CSF）检测，分析Aβ42、t-tau、p-tau等核心AD标志物分布。结果显示，EEG模式与AD病理AT(N)分型高度匹配：模式B以A+T-（仅淀粉样蛋白异常）为主，模式C则以A+T+（淀粉样蛋白+tau异常）占绝对主导，tau过度磷酸化成为区分轻、重度EEG模式的核心生物学标志。
此外，模式C、D对临床确诊AD的准确率超90%，远高于A、B模式，证实EEG分层能精准反映AD潜在的病理进展，实现了脑电活动与分子病理的直接关联。
区分脑网络损伤特征，体现疾病特异性
研究通过脑网络定位分析发现，AD与PD患者即便表现出相似的EEG模式，其背后的脑网络损伤路径也截然不同，印证了EEG分层模型的疾病特异性。研究结果表明，与正常对照组（NC）相比，AD组和PD组在模式A下均表现出背侧注意网络的损伤。然而，在模式A与模式B之间、以及模式B与模式C之间，AD组和PD组呈现出不同的网络损伤模式。
◼AD患者：模式A到B主要累及腹侧注意网络，B到C则以视觉网络损伤为核心，注意力网络是早期受损的关键区域；
◼PD患者：视觉网络为初始损伤部位，后续累及腹侧注意网络，与AD形成鲜明对比。
而健康对照者的背侧注意网络功能完整，也从侧面说明该网络的早期损伤是神经退行性疾病的共性特征，为早期筛查提供了靶点。
图4：不同疾病中脑网络变异随脑电图模式变化,模型C与D间无显著差异。P值标准:*(p < 0.05)、**(p < 0.01)、***(p < 0.001)、ns(p > 0.05)。
三、临床转化价值凸显，助力精准治疗与多中心验证
01 83% 一致性匹配临床痴呆评分，具备广泛推广性
研究团队在天津环湖医院的100例AD患者中开展多中心验证，将EEG分层分为轻（A+B）、重（C+D）两组，与临床痴呆评分（CDR）对比，整体一致性达83%，其中78.2%的EEG轻度患者对应CDR<1（正常/MCI），与当前AD疾病修饰疗法的治疗窗高度契合，证实该模型具备跨中心的临床适用性。
02 精准预测 rTMS 治疗效果，优化患者选择策略
作为AD重要的非药物治疗手段，rTMS的疗效个体差异较大，而EEG分层为解决这一问题提供了关键依据。研究对46例接受rTMS治疗的AD患者分析发现：
◼EEG轻度组（A+B）患者经rTMS治疗后，MoCA评分显著提升，标准化均数差达0.465，治疗获益显著；
◼EEG重度组（C+D）患者治疗后认知评分无明显改善，甚至出现轻微下降。
相比之下，传统的MoCA评分分层无法有效区分rTMS治疗获益人群，而回归断点设计分析进一步证实，EEG分层的治疗预测价值具有统计学显著性，成为指导rTMS精准施治的重要工具。
图6：EEG分层模型、阿尔茨海默病(AD)与帕金森病(PD)进展及重复经颅磁刺激(rTMS)。根据EEG定义的低风险类别,代表疾病进展与潜在干预的关键时期。(a)基于EEG模式的风险分层。(b)AD标志物与EEG模式的关系。(c)PD进展与EEG模式的关系。(d)由EEG模式定义的低风险患者是rTMS治疗的最佳干预窗口。
四、研究意义与展望，开启AD精准管理新时代
该研究的核心价值在于，首次将EEG从单纯的脑电检测工具，升级为连接AD临床症状、分子病理与治疗反应的统一分层工具，突破了传统分层体系“重临床轻病理、重检测轻应用”的局限。EEG作为无创、可重复、易普及的检测手段，其分层模型的建立，让AD的动态监测、早期干预和精准治疗成为可能：既能为临床医生识别疾病关键干预期提供客观依据，也能为临床试验优化患者入组标准、减少异质性提供支撑。
研究团队也指出，目前研究仍存在样本量有限、部分患者缺乏生物标志物数据等局限性，未来还需扩大样本量、纳入更多神经退行性疾病类型（如额颞叶痴呆、路易体痴呆），进一步完善模型。同时，将EEG分层与人工智能、影像学技术结合，有望构建更精准的AD多模态评估体系。
此次基于EEG的AD分层研究，为神经退行性疾病的精准诊疗提供了全新的思路，也让无创脑电技术在AD临床管理中的应用迈出了关键一步。随着该模型的进一步优化和临床推广，未来或将改变AD的筛查、诊断与治疗格局，为广大AD患者带来更个性化、更有效的医疗方案。