周宏宇，李子孝，王拥军. 基于影像组学预测大脑年龄与缺血性卒中的研究进展[J]. 中国卒中杂志，2024，19（9）：1066-1076.
ZHOU H Y，LI Z X，WANG Y J. Research progress on radiomics-based brain age prediction and ischemic stroke[J]. Chin J Stroke，2024，19（9）：1066-1076.
大脑年龄预测框架
1 大脑年龄预测模型简介 大脑年龄预测模型通过分析健康人群的大脑影像数据来预测大脑的生物学年龄。该模型主要依靠以下三步实现功能：
① 多种成像技术提供原始资料。通过结构MRI、功能MRI、DTI、定量磁化率成像和PET等成像技术揭示与大脑衰老相关的多层次特征信息，为研究者提供从分子到系统层面理解大脑衰老过程的全面视野。
② 影像组学特征提取与选择。利用神经影像分析工具，基于体素、脑区（解剖学特征）和块等提取不同维度的特征。再借助特征选择与降维技术进行优化处理。
③ 影像数据拟合。提取健康人群的影像学特征后，应用回归模型对数据进行拟合，预测个体的大脑年龄。
2 脑年龄估值差的意义 当PAD为正值时，提示大脑在结构或功能上显示出加速或者过早的衰老迹象。当PAD为负值时，提示大脑健康状况良好或大脑衰老过程延迟。但因为PAD与其他变量的关联（如认知能力、疾病状态等）还会受到实际年龄的协同影响，故模型往往倾向于高估年轻人的大脑年龄，低估老年人的大脑年龄。在回归模型中引入实际年龄作为协变量或采用偏差校正算法，可帮助评估PAD独立于实际年龄所解释的变异部分，更准确地识别与大脑衰老相关的风险因素。
3 大脑年龄预测模型性能评估 平均绝对误差（MAE）反映了预测值与实际观测值之间绝对差值的平均水平，是量化模型整体预测误差的重要手段之一。不同于传统的模型构建过程，在评估生物学年龄时，追求的并非单纯减少预测误差，而是寻找反映个体之间衰老差异的生物标志物。因此，比较模型性能不应仅依据MAE值，而应进一步检验PAD与感兴趣关键暴露因素之间的关联强度。
影响大脑衰老速率的因素
1 性别差异 针对老年人群和健康年轻人群大脑年龄相关研究提示，男性大脑衰老速率大于女性，雌激素可能发挥了重要的保护作用。
2 肥胖 脂肪组织测量值较高的个体大脑衰老速度更快，且不同脂肪组织部位对大脑衰老速率的影响存在差异。在不同性别中，肥胖指标与大脑衰老进程的相关性也存在差异。DIRECT-PLUS研究提示，研究对象的体重每减少1%，大脑衰老速率约减缓8.9个月。此外，减重术、减少加工食品、糖果和饮料的摄入等也与PAD降低相关。
3 不良生活习惯 吸烟、饮酒和滥用毒品等不良生活习惯对大脑衰老加速有显著影响。
4 社会生活 有研究提示，较低的社会经济地位（受教育年限较短、家庭收入较低、社会隔离轨迹、生活满意度较低等）是导致大脑提前衰老的影响因素。
5 睡眠 管理睡眠障碍和改善睡眠质量对延缓大脑衰老具有重要作用。睡眠呼吸暂停低通气指数、氧饱和度指数、睡眠质量和时长可能与大脑健康密切相关。
6 疾病 高血压、糖尿病、缺血性心脏病、慢性疼痛及系统性红斑狼疮等与大脑加速衰老密切相关。
大脑年龄与缺血性卒中的关联
1 缺血性卒中患者的大脑年龄特征 相关研究提示，缺血性卒中患者发病后6周、3个月和12个月PAD高于健康对照组。此外，PAD升高还与患者梗死灶体积增大、发病到完成影像检查的时间延长相关。
2 大脑年龄与卒中预后的相关性 多项研究提示，PAD升高与急性缺血性卒中患者的功能预后不良（如感觉运动功能的损害、认知障碍、卒中后失语）相关。
多组学联合研究
1 基因组学 遗传多态性是解释个体间PAD变异的重要因素。大脑衰老并非单一或同质化的过程，通过对不同衰老模式的建模，有助于识别在健康与疾病状态下更具有生物学意义的大脑衰老标志物。
2 其他生物学年龄 流行病学和遗传学研究表明，多种衰老生物标志物之间存在相互关联，包括端粒长度、大脑年龄、血液学年龄和表观遗传学年龄等指标。将更多维度的大脑衰老相关指标整合进预测模型的训练中，可能有助于识别更具代表性、与疾病进程相关性更强的衰老生物标志物。
研究局限及展望
