新加坡国立大学的研究发现，大脑预测年龄与实际年龄的差异（大脑年龄差）可能影响认知障碍风险因素与认知表现之间的关系。研究分析了1437名无痴呆症受试者的数据，评估了他们的认知障碍风险、认知表现和大脑生物年龄。结果显示，大脑年龄差对认知风险因素与思维能力之间的关系有显著影响，尤其是在脑血管病标记物水平较高的人群中。这项研究揭示了大脑年龄差在认知健康中的重要作用。

🧠 研究的核心在于探讨大脑年龄差与认知障碍风险因素之间的关系。研究人员通过脑部扫描，利用机器学习模型预测大脑生物年龄，并与实际年龄进行比较，从而计算出大脑年龄差。

🩺 研究对象包括1437名无痴呆症的受试者，他们接受了健康问卷、脑部扫描和认知测试。研究人员根据多种健康与生活方式因素评估了每人的认知障碍风险，并分析了这些风险因素与认知表现之间的关系。

📈 研究结果表明，大脑年龄差对认知风险因素与思维能力之间的关系有显著影响。特别是在脑血管病标记物水平较高的人群中，这种影响更为明显，尤其体现在执行功能和语言能力方面。大脑年龄差在整体认知风险因素与表现之间的“中介作用”占比达20%。

🔍 认知障碍风险评分越高，认知表现越差，尤其体现在视构建能力和视觉运动速度方面。大脑年龄差在认知风险因素与认知表现之间起到了重要的中介作用，揭示了大脑衰老在认知健康中的重要性。

    科技日报讯 （记者张佳欣）新一期《神经病学》杂志发表的一项来自新加坡国立大学的研究称：大脑预测年龄与实际年龄之间的差值，即大脑年龄差，可能会影响某些认知障碍风险因素（如高血压和糖尿病）与个体认知表现（也称为思维和记忆能力）之间的关系。

    近年来，神经影像技术的进步推动了基于脑部扫描的机器学习工具发展，使得科学家可以检测人脑衰老的差异并预测大脑的生物年龄。

    此次研究共纳入了1437名无痴呆症的受试者，平均年龄为66岁。参与者完成了健康问卷、脑部扫描和多项认知测试。研究人员根据多种健康与生活方式因素（包括高血压、糖尿病、高胆固醇、中风史等）为每人打分，以评估其认知障碍风险。

    结果显示，认知障碍风险评分越高，认知表现越差，尤其体现在视构建能力（如绘图、搭模型）和视觉运动速度（处理视觉信息并做出动作）方面。

    研究人员还训练了一个机器学习模型，用于分析脑扫描图像，估算每位参与者的大脑生物年龄。将其与实际年龄相减，得到大脑年龄差。如果预测年龄更高，说明其大脑可能存在加速老化。

    分析表明，在脑血管病标记物水平较高的人群中，大脑年龄差对认知风险因素与思维能力之间的关系影响显著，尤其体现在执行功能和语言能力方面。大脑年龄差在整体认知风险因素与表现之间的“中介作用”占比达20%，其中执行功能为34%，语言能力为27%。