睡眠腦波映出阿茲海默症生物差異：AI分出三個患者亞群

阿茲海默症的病理變化可能早於明顯認知症狀多年，但確認這些變化往往仰賴腦脊髓液檢查或影像掃描。西班牙研究團隊如今提出另一條探索路徑：利用機器學習解析睡眠期間的腦電圖，尋找與疾病生物標記相連的神經活動模式。

這項刊登於《GeroScience》的研究分析42名輕度至中度阿茲海默症患者，以及58名認知功能未受損者的整夜睡眠資料。資料庫由萊里達聖瑪麗亞大學醫院與IRBLleida建立；研究人員使用四個腦波通道，依睡眠階段切分訊號，再擷取線性、頻譜與非線性特徵。

團隊以主成分分析壓縮龐大的腦波資料，並透過隨機森林評估哪些成分與腦脊髓液標記較相關。最後得到的30個成分涵蓋原始資料92.4%的變異，不僅可區分患者與對照組，也讓高斯混合模型把患者分成三個亞群。

這些分群並非單純依照症狀輕重排列。三群患者在磷酸化tau蛋白181與β類澱粉蛋白42的比值，以及反映神經軸突損傷的神經絲輕鏈濃度上，呈現階梯式差異。換言之，睡眠腦波捕捉到的可能不只是「有病或沒病」，還包括阿茲海默症患者之間不同的生物狀態。

睡眠之所以成為觀察窗口，是因為調控睡眠的神經迴路可能在疾病早期受到影響，相關變化可反映於腦電圖。研究人員設想，若方法日後通過驗證，較容易取得的睡眠腦波或可協助挑選需要進一步接受腦脊髓液或影像檢查的人，而不是取代既有生物標記。

目前的證據離臨床篩檢仍有明顯距離。樣本只有100人，患者均已進入輕度至中度階段，研究並未證明模型能在無症狀或極早期族群預測發病；對照組也未接受同等的腦脊髓液標記評估。下一步須在更大、獨立且涵蓋不同疾病階段的族群中前瞻驗證，確認診斷敏感度、特異度與模型穩定性，才能判斷居家或常規睡眠檢查是否真能成為可靠入口。