利用时间敏感型多模态生物标志物预测 MCI 进展

阿尔茨海默病（AD）已被视为一个连续的疾病过程，Aβ与tau等生物标志物使无症状临床前期的识别成为可能，早期干预也被认为最有希望改变病程^[1]。经典动态标志物模型主张Aβ异常先于神经退变，并强调以时间而非症状严重程度来刻画疾病进程^[2,3]；现行诊断与分期标准主要建立在PET和体液分子标志物之上^[7,8]，血浆p-tau217等可及性指标也已显示出预测进展的潜力^[4,6]。但这类框架缺少对神经生理功能的直接测量，EEG等手段虽被寄望成为无创、廉价的筛查工具，其在临床前期的预后意义仍待阐明^[5]，而且既往研究多孤立评估单一标志物，几乎没有考察其预测价值是否随时间变化。

这项研究在PREVENT-AD队列纳入102名认知未受损但有AD家族史的老年人（平均随访5.88年，31人进展为MCI），在基线采集MEG颞叶alpha/gamma功率、海马体积、血浆Aβ42/40与p-tau217、新皮质Aβ PET及内嗅区tau PET等多模态标志物，用Cox回归并加入标志物×时间交互项建模。结果显示，在年龄、性别、教育和APOE ε4的参照模型之上，MEG alpha（HR=1.47）与gamma（HR=0.66）功率、血浆标志物、Aβ PET及tau PET均显著改善预测（FDR校正后），海马体积则无附加价值；纳入全部标志物的多模态模型表现最佳（LRT=33.12）。蛋白病理标志物的效应还在规模约翻倍的扩展样本（n=211、226、224）中得到重复。

更具启发的是时间维度：alpha功率升高预示较高的近期风险（基线HR=3.08），但该效应随随访延长而减弱乃至逆转；gamma功率与较低的近期风险相关（HR=0.19），效应同样渐消；而新皮质Aβ PET在基线几乎没有短期预测力（HR=0.86），其与风险的关联却随时间稳步增强（交互项HR=1.27，扩展样本中重复为1.20），这与Aβ沉积长期驱动下游病理的级联模型相合^[2,3]。将alpha/gamma的时间效应纳入模型，可在血浆与PET蛋白病理标志物之外进一步提升预测（如对含tau PET的模型LRT=16.17），提示神经生理活动提供了分子标志物无法覆盖、且随疾病阶段而变的功能性信息，也呼应了作者既往关于早期Aβ与tau累积对应脑节律改变方向不同的发现。

当然，本研究样本有限（31例进展者），无法开展交叉验证或更复杂的机器学习，各标志物采集亦非同日完成；这些发现能否推广到更易获得的EEG测量，并在真实临床场景中确立有效性，仍是下一步需要回答的问题。