欢迎访问南宁师范大学心理学课程数字化资源库!
研究背景:
通过大规模神经影像数据集,研究者建立了跨年龄的“标准脑图表”(normative brain charts),以推断大脑随年龄的变化轨迹。然而,这些图表通常基于横断面数据(cross-sectional data),而非纵向数据(longitudinal data),其准确性存疑。
研究问题:
横断面数据推断的年龄相关大脑变化是否与纵向直接测量的变化一致?
个体化的大脑衰老轨迹能否通过横断面数据预测?
方法:
使用两个独立队列(UK Biobank的老年人群和ABCD研究的青少年人群)的MRI数据,比较横断面推断和纵向测量的年龄相关变化。
通过广义加性模型(GAMLSS)建立标准脑图表,并计算横断面和纵向的年龄相关变化率。
主要发现:
低估现象:横断面数据显著低估了纵向测量的大脑变化率,低估幅度在26%至99%之间,具体取决于大脑指标(如灰质体积、皮质厚度等)。
个体差异:约1/3的个体表现出与群体趋势相反的变化方向(如灰质体积增加而非减少)。
预测局限性:基于横断面数据的群体模型对个体化轨迹的预测准确性有限,仅比“无变化”的朴素模型略有改进。
影响因素:预测误差与神经影像混杂因素(如扫描间隔)、生活方式(如饮酒频率、膳食纤维摄入)等非年龄相关因素有关,但单个因素的贡献较小(<1%)。
讨论与建议:
横断面模型在推断动态大脑变化时存在局限性,需结合纵向数据校准。
个体化预测需考虑非年龄相关因素(如生活方式、生物学变异)。
提出了未来研究的三个方向:校准横断面模型、探索预测误差来源、研究“逆趋势”变化的生物学基础。
横断面数据的局限性:横断面推断的大脑衰老轨迹显著低估了实际纵向测量的变化,尤其在动态变化的年龄段。
个体化预测的挑战:群体水平的趋势难以准确预测个体化的大脑变化,因个体差异和非年龄因素(如生活方式)的影响较大。
纵向数据的重要性:为建立更准确的脑图表和临床应用(如神经退行性疾病监测),需整合纵向数据以校准模型并提高预测可靠性。
该研究揭示了当前基于横断面数据的脑图表的局限性,强调了纵向测量在理解大脑发育和衰老中的重要性,为未来神经影像研究和临床实践提供了关键指导。
From:
Di Biase, M.A., et al.Mapping human brain charts cross-sectionally and longitudinally[J].Proceedings of the National Academy of Sciences,2023,120(20): e2216798120.
20250404/36d7950e45ac691b144f8d9dfe46d24d.pdf