综述:脑电图生物标志物在预测脑梗塞患者卒后认知结果中的作用:文献综述

《Neuropsychiatric Disease and Treatment》:Role of Electroencephalographic Biomarkers as Predictors of Post-Stroke Cognitive Outcomes in Patients with Cerebral Infarction: Literature Review

【字体: 大 中 小 】 时间:2026年05月12日 来源:Neuropsychiatric Disease and Treatment 2.9

编辑推荐:

  摘要 脑梗塞(缺血性中风)是导致长期残疾的主要原因之一。它通常伴随着认知功能障碍,这对生活质量有显著影响。因此,预测相关生物标志物至关重要,而脑电图(EEG)生物标志物已被证明是预测这些患者认知结果的有效工具。为了进行这项文献综述,我们在不同的数据库中进行了全面搜索,包括Pu

  摘要
脑梗塞(缺血性中风)是导致长期残疾的主要原因之一。它通常伴随着认知功能障碍,这对生活质量有显著影响。因此,预测相关生物标志物至关重要,而脑电图(EEG)生物标志物已被证明是预测这些患者认知结果的有效工具。为了进行这项文献综述,我们在不同的数据库中进行了全面搜索,包括PubMed、Scopus、Web of Science、ScienceDirect和Google Scholar,研究时间范围从最初到2025年,重点关注生物标志物以及EEG在预测认知结果中的作用。此外,还回顾和评估了近期临床试验中生物标志物在预测认知结果方面的作用。文献综述表明,特定的EEG异常(如α波、δ波、β波、γ波和θ波的波形减慢或功率变化,以及功能性连接紊乱)与记忆、注意力和执行功能障碍之间存在一致性的关联。此外,研究还证明了评估认知康复干预效果的能力。脑电图生物标志物提供了一种非侵入性、经济高效且易于获取的方法,可以用来了解中风后的脑功能及认知预后。

关键词:
脑电图生物标志物;缺血性中风;认知障碍;记忆丧失

引言
中风是全球第二大死亡原因,对残疾有着重要影响,在发展中国家发病率最高,其中缺血性中风是最常见的类型。据报道,每年有1500万人患有中风,其中500万人因此死亡,另有500万人永久性残疾。80%的中风病例由脑梗塞引起,20%由脑出血引起。中风幸存者常常面临身体、认知和情绪方面的多种挑战,而认知障碍被认为是其中最普遍且致残严重的后果之一。预测脑梗塞患者的认知结果对于及时治疗和维持更好的生活质量至关重要。目前有多种方法用于预测中风后的认知结果,例如经颅多普勒超声和计算机断层扫描(CT)。然而,这些方法存在局限性,且结果受年龄、性别、颅骨厚度、血液中二氧化碳分压变化和血细胞比容值等多种因素影响。此外,既往存在的脑萎缩也是认知障碍的重要且稳定的预测因素。脑电图生物标志物(如泛素C水解酶L1、胶质纤维酸性蛋白和S100)和影像学标志物(CT评分、病理观察、磁共振成像(MRI)分类)也被用于评估认知障碍。

脑电图(EEG)是一种非侵入性技术,通过放置在头皮上的电极测量大脑的电场或活动,观察并记录神经元周围的电压潜力。它在大规模临床应用中有着悠久的历史,用于诊断和监测各种神经系统疾病。最近,由于其能够检测与脑损伤和恢复相关的特定模式,EEG在评估中风后脑功能方面受到了关注。利用EEG生物标志物可以预测脑梗塞患者的认知障碍。

关键词:
脑电图生物标志物;缺血性中风;认知障碍;记忆丧失

引言
中风是全球第二大死因,对全球残疾有重大影响,尤其在发展中国家更为普遍。其中,缺血性中风是最常见的类型。每年约有1500万人中风,其中500万人死亡,500万人永久残疾。80%的中风由脑梗塞引起,20%由脑出血引起。中风幸存者往往面临多种挑战,包括认知障碍,这种障碍被认为是最普遍且致残严重的后果之一。预测脑梗塞患者的认知结果对于及时治疗和维持良好生活质量至关重要。

中风后的认知结果预测方法包括经颅多普勒超声和CT脑扫描等。然而,这些方法存在局限性,且结果受多种因素影响。现有的认知障碍评估方法(如蒙特利尔认知评估量表(MoCA)和简易精神状态检查(MMSE)的可靠性和有效性仍存在争议。相比之下,脑电图(EEG)生物标志物被用作预测中风患者认知恢复和结果的工具,能够区分不同的认知障碍类型。EEG通过测量头皮上的电场来评估大脑活动,具有悠久的应用历史,在临床诊断中得到广泛应用。最近的研究表明,EEG生物标志物在评估中风后脑功能方面具有潜在价值,可以帮助了解脑损伤和恢复过程。

脑梗塞(缺血性中风)的病理生理机制涉及复杂的机制,导致脑血流受阻,进而引发神经死亡和多种功能障碍,包括认知功能受损。脑缺血还会破坏局部兴奋-抑制平衡、长距离神经连接和丘脑-皮质传导。理解这一机制有助于明确缺血事件如何导致急性及慢性认知后果,并探索可能的缓解方法。

脑梗塞主要发生在脑血流中断时,会引起严重的神经损伤。免疫介质和促炎信号会促使大量炎症细胞(单核细胞、中性粒细胞、巨噬细胞、T细胞亚型等)侵入缺血区域,导致脑组织损伤。最近的研究关注了氧化应激、细胞兴奋毒性、神经炎症和细胞死亡过程在这些病理生理机制中的作用。炎症细胞释放的活性氧和自由基会威胁缺血核心区域的组织生存能力。许多信号通路(无论是保护性还是有害的)也参与了这一过程。

脑梗塞的初始血流阻断会引发一系列生化和分子事件,导致神经元、胶质细胞及其他支持性脑细胞死亡。脑能量代谢的适当调节对维持脑功能至关重要。在脑梗塞(缺血性中风)这种复杂的病理生理状态下,能量代谢紊乱会加重脑损伤。能量衰竭会导致葡萄糖代谢下降,进而限制ATP的产生。NAD缺乏会导致能量代谢循环障碍,最终影响神经细胞的降解和死亡。能量衰竭还会引发兴奋毒性反应,导致氧化磷酸化过程受阻,离子失衡,细胞膜去极化,兴奋性氨基酸谷氨酸在细胞外积累,钙超载。

脑梗塞后的认知障碍影响大量幸存者,使他们难以执行日常功能、出现记忆丧失等问题。因此,及时干预和康复对于优化康复和改善生活质量至关重要。传统成像方法(如CT和MRI)可提供脑结构变化的宝贵信息,但关于认知障碍相关的实时脑活动和连接性的信息有限。脑电图生物标志物被认为是预测缺血性中风患者认知结果的有效工具。本综述旨在汇总当前关于EEG生物标志物预测价值的发现,全面了解其在中风康复中的作用和潜力。

文献搜索使用了PubMed、Scopus、Web of Science、ScienceDirect、Google Scholar等电子数据库以及灰色文献,关键词包括“缺血性中风”、“脑梗塞”、“认知结果”和“脑电图生物标志物”。分析了专注于脑电图生物标志物在预测脑梗塞患者认知结果中的作用的研究,并对其局限性和研究空白进行了批判性评估。

脑梗塞(缺血性中风)的病理生理机制涉及复杂的机制,导致脑血流受阻,引发神经死亡和多种功能障碍。脑缺血还会破坏局部兴奋-抑制平衡、长距离神经连接和丘脑-皮质传导。了解这一机制有助于明确缺血事件如何导致急性和慢性认知后果,并探索可能的干预措施。

脑梗塞的发生是因为脑血流中断,导致严重的神经损伤。免疫介质和促炎信号会促使多种炎症细胞侵入缺血区域,引发脑损伤。最近的研究集中在氧化应激、细胞兴奋毒性、神经炎症和细胞死亡过程中。炎症细胞释放的自由基和活性氧会威胁缺血核心区域的组织存活能力。同时,许多信号通路(无论是保护性还是有害的)也参与了这一过程。

脑梗塞的初始血流阻断会引发一系列生物化学和分子事件,导致神经元、胶质细胞及其他支持性脑细胞死亡。适当的脑能量代谢调节对维持脑功能至关重要。在脑梗塞(缺血性中风)这种复杂病理生理状态下,能量代谢紊乱会加重脑损伤和结果。能量衰竭会导致葡萄糖代谢下降,ATP生成减少,最终影响脑细胞功能。NAD缺乏会引发一系列连锁反应,导致神经元降解和死亡。随着能量衰竭,氧气和葡萄糖缺乏会破坏氧化磷酸化过程,导致能量耗竭和离子失衡。

脑梗塞后的认知障碍很常见且可能严重,取决于缺血事件的大小、位置和持续时间。这些障碍源于大脑复杂的连接性和功能特异性。大脑皮层分为不同功能区,每个区域涉及不同的认知过程。例如,额叶是情绪、个性和执行决策的主要中心,其损伤常导致执行功能(如工作记忆、决策能力和认知灵活性)受损。顶叶与听觉、视觉、触觉和感觉功能相关;枕叶与听觉、视觉、记忆和运动功能相关;额叶与自主运动、计划、情绪、推理和问题解决相关。

脑梗塞后的认知结果影响大量幸存者,他们面临功能障碍、记忆丧失等问题。因此,及时干预和康复对于优化康复和改善生活质量至关重要。虽然传统成像方法(如CT和MRI)可提供脑结构变化的宝贵信息,但关于认知障碍相关的实时脑活动和连接性的信息有限。脑电图生物标志物被认为是预测缺血性中风患者认知结果的有效工具。本文旨在总结当前关于EEG生物标志物预测价值的发现,为其在中风康复中的标准应用提供全面理解。脑电图(EEG)数据通常以波形的形式呈现,并根据频率、振幅和相位特征进行分类。EEG常用于理解复杂的机能区域和高级认知操作背后的神经过程。此外,EEG还对诊断多种神经系统疾病(包括双相情感障碍、抑郁症和精神分裂症)以及识别精神疾病的生物标志物具有帮助作用。随着技术的进步,EEG分析已从对频率调制和振幅的定性分析发展为对复杂时空记录信号特征的全面分析。EEG能够监测神经网络的功能状态,使其成为评估脑梗死(缺血性中风)患者的宝贵工具——因为它可以揭示神经连接和活动的紊乱情况,从而为了解这些紊乱的程度和性质提供依据。EEG还有助于理解大脑振荡的变化、预测恢复结果以及评估治疗方法。

最近在机器学习方面的进展大大增强了EEG在中风患者诊断和康复中的应用。例如,Giri等人的研究发现,利用ID卷积神经网络和批量归一化技术能够准确识别缺血性中风患者。另外一项研究采用卷积神经网络-门控循环单元-和谐搜索-多变量优化方法对收集的数据进行分析,实现了99.99%的预测准确率,并较之前的研究结果提高了11.08%。来自中国的研究也展示了ApFu-tree-结构Parzen估计器优化后的轻量级GBM分类器的优异效果,达到了0.96的精确度、0.96的召回率和0.96的F1分数。这些进展和精确的发现凸显了EEG与机器学习结合在改善中风检测与诊断、预测预后及监测康复进程方面的巨大潜力。

在脑梗死(缺血性中风)的研究和康复中,特定的EEG生物标志物/参数被用来评估大脑功能、恢复能力和连接性。关键参数包括脑电波模式、 coherence指标和功率谱密度。

脑电波模式通常根据不同的频率带进行分类,每个频率带都与患者的特定生理和认知状态相关。脑电波是大脑中的振荡电压,其测量单位为百万分之几伏特。表1列出了五种主要类型的脑电波。脑梗死(缺血性中风)会显著改变这些模式和频率,从而可以了解大脑受损的程度或其恢复情况。阿尔法波(8–12 Hz)是人类大脑中的主导振荡,属于中等频率振荡,出现在放松且清醒的状态中,与注意力和感觉处理相关;患者受影响半球的阿尔法波振幅通常会减弱且速度变慢,表明大脑皮层功能受损。随着时间的推移,阿尔法波的恢复是神经恢复和连通性改善的良好预后指标。β波是健康和病理状态下的显著特征,存在于感觉皮层和基底节结构中,与感觉处理和运动控制相关。γ波是另一种高频(36–90 Hz)脑电波,通常代表各种神经元之间的连接,有助于存储认知和运动信息。δ波是低频(0.5–4 Hz)、高振幅的振荡,出现在睡眠和无意识状态(如麻醉、慢波睡眠、意识障碍和癫痫发作)期间。光谱比率(如δ+θ)/(α+β)、θ/α比率及β/θ比率的高值预示执行功能较差的结果;coherence指标通过分析电极间振荡的相位同步性来衡量大脑不同区域之间的功能连接性,这对理解脑梗死(缺血性中风)如何干扰神经网络通信至关重要。

脑电图生物标志物/参数与中风患者的认知结果密切相关。这些生物标志物能反映神经网络和大脑功能的紊乱情况,可用于评估和中风的认知预后。已有证据表明,α波和θ波的振荡特别能反映认知和记忆表现。在多项研究中,EEG振荡与中风后的认知结果有关。例如,一项前瞻性研究发现,α波和θ波的异常与中风后失语症的恢复有关。另一项队列研究显示,脑萎缩与θ波密切相关,而脑内出血与δ/θ比率相关。此外,3分钟静息状态EEG与行为障碍有显著关联。系统评价和元分析的发现表明,EEG比MRI提供了更多关于脑梗死的必要信息。

总体而言,大多数研究使用静息状态EEG,但在分析的频率带(如α波、δ波、θ波及其比率)以及关注振幅还是连接性特征方面存在差异,这导致检测认知结果的敏感性不同。此外,研究人群的特性、研究设计、EEG指标、测量方法(如MoCA、NIH中风量表)和结果报告方式也会影响研究结果的多样性。例如,较大的回顾性研究将δ/θ活动增加与总体脑水肿、神经功能严重性和不良认知结果联系起来;而较小的前瞻性研究则针对特定领域(如记忆或失语症),发现特定任务相关区域的脑电波振荡可预测特定区域的恢复情况。临床研究表明,EEG生物标志物在卒中患者的认知护理中具有重要应用价值,有助于诊断、预后评估和康复进程监控。与此同时,细胞外记录的脑振荡是反映神经元活动和功能的最关键的神经生理数据方面。脑振荡的信号模式和强度可以作为可靠的生物标志物,用于检测认知障碍和功能恢复。异常现象,如θ波活动增加或α波和β波功率下降,被认为是认知障碍的早期指标。图3中还可以观察到α波和β波的变化,该图显示了异常的脑电波活动,其特征是中间通道中的高振幅、不规则且不同步的波形。这些发现有助于临床医生识别中风后可能出现认知障碍的高风险患者,从而及早启动认知康复计划。这类积极措施可以逆转认知能力的下降。这强调了脑电图(EEG)生物标志物在脑梗死(中风)管理中的重要性。

此外,诸如δ/α比率、δ+θ/α+β比率和θ/β比率等指标也能提供有力的预测,并与认知和功能结果密切相关。这些EEG生物标志物还为临床医生提供了基于患者康复潜力的分层依据,以确保资源得到有效分配,并优先考虑那些最有可能受益的患者。此外,这些生物标志物还可以用于调整康复计划的重点和强度。额叶活动明显减慢的患者(表明执行功能障碍)可能从针对解决问题和规划能力的干预中获益更多;这些生物标志物也有助于在治疗过程中识别参数的变化。而α波出现紊乱的患者可能需要侧重于视觉功能和空间注意力的治疗。

EEG生物标志物的另一个重要价值在于能够监测治疗策略的效果。例如,认知药物治疗、康复计划以及经颅直流电刺激(tDCS)或经颅磁刺激(TMS)等神经调控技术可以改变脑活动模式。将EEG生物标志物融入临床实践也有助于实现卒中后的个性化医疗。每位患者的脑损伤位置和严重程度各不相同,这会影响认知结果,因此EEG生物标志物可根据个体脑活动模式定制护理计划。

然而,EEG生物标志物在预测认知结果方面面临一些挑战和限制。一个重要问题是EEG采集协议和分析技术的多样性。电极设置、信号处理算法以及认知结果定义的差异可能导致结果不一致。此外,EEG信号容易受到噪声、外来物体以及预处理过程(如滤波器、伪迹去除、数据段长度和重新参考等)的影响,这些因素会显著影响特征分析。因此,如果没有先进的预处理方法,很难辨别出具有临床意义的生物标志物。另外,合并急性和慢性EEG数据会减弱信号,且康复过程是非线性的。此外,事件相关电位(ERP)神经心理学任务可能对失语症患者产生不公平的影响,混淆了语言和认知功能。缺乏大规模的多中心研究也限制了生物标志物的普遍验证能力,同时阻碍了将EEG结果与神经影像学方法及其他临床参数的结合。目前对此的探索还不够充分,这也是全面评估的障碍之一。关于EEG在资源有限环境中的成本和可及性的伦理问题也阻碍了其常规使用。

建议将EEG作为一种无创且经济有效的方法,用于早期识别有认知能力下降风险的患者。将EEG测量指标(如功率谱密度、功能连接性等)纳入卒中后的评估中,以改善预后。标准化EEG协议和报告标准(明确卒中后的时间点、预处理流程和伪迹判断标准)对于确保结果的可重复性和可比性至关重要。需要开展长期研究,以评估EEG变化的时间演变及其与认知恢复或恶化的关系。将EEG生物标志物与神经影像学和临床评估相结合,可以采用多模态方法,从而提高预测准确性。整合机器学习算法或人工智能来分析大规模EEG数据,可以提高识别预测认知结果的复杂模式的效率。

未来方向需要开展大规模、长期的研究,以考察特定EEG参数在不同患者群体和不同因素下的预测效用。探索EEG生物标志物的整合方式,以改进认知恢复的预测模型。研究EEG模式的时间变化及其与康复结果的关系,有助于了解神经可塑性的动态,促进实时临床应用。未来的研究应重点开发标准化的EEG协议和机器学习算法。评估EEG在常规卒中护理中的成本效益和可及性的研究,可以支持其在临床实践中的更广泛应用。应使用机器学习方法进行预后分析,并结合EEG特征(如频谱、连接性和复杂性)。外部验证研究也应在不同医院、不同时间以及与其他设备结合的情况下进行。还应考虑多模态融合研究,将EEG与灌注成像、病灶网络映射和血液生物标志物结合起来,以开发更全面的危险模型。

总结:这篇文献综述强调了EEG生物标志物在预测脑梗死(缺血性中风)患者认知结果方面的潜力,并将其与认知领域相关联。这是一种非侵入性且经济有效的方法,适用于早期评估和干预计划。重要的生物标志物包括脑电波模式(α波、β波、θ波、γ波、δ波)、功率谱变化和相干性模式。研究表明,EEG与卒中后的认知障碍(包括记忆、注意力和执行功能障碍)有很强的关联性。研究结果突出了EEG在监测康复过程和定制康复策略方面的作用。然而,也指出目前缺乏关于卒中后时间点、预处理流程和伪迹判断标准的标准化协议。因此,未来的多中心研究对于验证和开发标准化协议至关重要。此外,将EEG与先进成像技术和机器学习结合使用,可能进一步提高预测准确性,增强其在精准卒中护理中的作用。

声明:所有作者均声明没有利益冲突。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号