Nature Medicine | 同樣年齡，為什么有些人的腦更“老”？

認知神經科學前沿文獻分享

基本信息

Title:The exposome of brain aging across 34 countries

發表時間:2026-04-03

發表期刊:Nature Medicine

影響因子:50.0

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

腦年齡差（brain age gap, BAG）指腦影像預測年齡與實際年齡之間的差值，正值通常意味著腦老化加速。既往研究已將 BAG 與阿爾茨海默病（Alzheimer’s disease, AD）等神經認知障礙聯系起來，也發現污染、氣候、綠地、貧困和社會政治環境等因素可能相關。問題在于，多數研究仍聚焦單一國家、少數暴露指標或線性模型，較少同時比較物理暴露與社會暴露、以及結構性腦老化和功能性腦老化的差異。

實驗設計與方法邏輯

研究納入 18,701 名來自 34 個國家的參與者，覆蓋健康對照、輕度認知障礙（mild cognitive impairment, MCI）、AD 和額顳葉變性（frontotemporal lobar degeneration, FTLD）。作者用結構 MRI 灰質體積和功能連接數據建立腦年齡模型，得到結構性、功能性和合并 BAG；再將按國家與采集年份匹配的 73 項國家層面指標劃分為物理暴露組和社會暴露組。分析上，先用廣義加性模型（generalized additive model, GAM）檢驗單一暴露與 BAG 的非線性關聯，再用 metaGAM 評估聚合暴露效應，并用 ΔAIC 比較模型表現；隨后結合臨床狀態、人口學變量和外部樣本驗證，檢查結果是否穩健。

Fig. 1 | Analytical framework.

核心發現

聚合暴露組比單一暴露因素更能解釋腦年齡差

在總樣本中，把 73 項暴露作為聚合暴露組納入模型后，結構性、功能性和合并 BAG 的模型表現都明顯優于最佳單一暴露模型。正文將這種層級概括為“individual exposomal factors < aggregate exposome”，說明腦老化差異更符合累積、非線性的暴露組關聯，而不是由某一個單項指標單獨概括。外部樣本結果也保持了這一層級關系（但這仍是統計關聯，不等于因果證明）。

Fig. 2 中，作者把單一 GAM 與聚合 metaGAM 的 ΔAIC 直接并排比較；這張圖清楚顯示總暴露組、物理暴露組和社會暴露組整體上都強于單項暴露

正文結果顯示，不利物理暴露組與結構性腦老化的關聯更突出，不利社會暴露組與功能性腦老化的關聯更強。物理側的代表因素包括綠地不足、PM2.5、極端降水和溫度；社會側則更多涉及參與度、法治、代表性、權利和社會經濟指標。這里強調的是“偏向性更強”，并不是兩類暴露與兩類腦老化之間的絕對分工。

Fig. 2 中，不同暴露域在結構性、功能性和合并 BAG 上的 ΔAIC 分布并不相同；這張圖把“物理更偏結構、社會更偏功能”的整體模式呈現出來

邏輯回歸分析顯示，頂級總暴露預測因子與加速腦老化的優勢比約為 4.6 至 6.9，物理暴露約為 3.7 至 6.6，社會暴露約為 3.3 至 9.1；臨床診斷作為預測因子時，優勢比約為 2.2 至 3.0。相關結果在控制教育、性別、認知和臨床狀態后仍基本存在，提示暴露組負擔與腦老化的關系并不只是疾病標簽的附帶反映。不過，這里比較的是統計預測關聯，不等于暴露影響已被完整分解。

Fig. 3 中，作者把暴露組負擔和臨床診斷對加速腦老化的優勢比放在同一框架下比較；這張圖說明暴露組預測效應在多種 BAG 模態上都很顯著。

省流總結

這篇 Nature Medicine 論文表明：同樣年齡的人，腦影像估計出的“腦年齡”差異，和跨國家的物理與社會暴露組負擔密切相關。相比單一風險因素，聚合暴露模型對 BAG 的解釋更強；其中物理暴露更偏向結構性腦老化，社會暴露更偏向功能性腦老化。需要注意，正文主要支持穩健的統計關聯與模型比較優勢，尚不能直接推出因果關系或具體干預效果。

分享人：天天

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿