打开今日头条查看图片详情
华盛顿大学医学院的研究人员通过对1164名健康成年人的全身磁共振成像分析发现，内脏脂肪与肌肉的比例直接关联大脑的生物学年龄。这项将在2025年北美放射学会年会上发表的研究揭示了一个令人不安的模式：那些腹部深处积聚更多内脏脂肪、同时肌肉量较低的人，其大脑在结构上表现出加速衰老的迹象，而这种衰老模式与阿尔茨海默病等神经退行性疾病的风险直接相关。更引人注目的是，研究发现皮下脂肪——那些可以在腰间捏起的脂肪——与大脑年龄没有显著关联，这颠覆了传统的'瘦就是健康'的简单逻辑。
脑龄是通过结构性磁共振成像扫描并结合人工智能算法计算得出的大脑生物学年龄，它反映了大脑组织的实际状态而非日历年龄。在这项研究中，平均年龄55.17岁的受试者群体（其中52%为女性）接受了T1加权序列的全身MRI扫描，这种扫描技术能够清晰区分肌肉、脂肪和脑组织。华盛顿大学马林克罗特放射研究所副教授赛勒斯·拉吉指出，肌肉量较多的参与者往往大脑看起来更年轻，而内脏脂肪相对于肌肉较多的参与者大脑则显得更老。这一发现的临床意义在于，它将抽象的大脑健康问题转化为可测量、可干预的身体成分指标。
这项研究的时机尤为关键。全球人口老龄化正在加速，阿尔茨海默病和其他形式的痴呆症已成为21世纪最严峻的公共卫生挑战之一。世界卫生组织估计，全球有超过5500万痴呆症患者，预计到2050年这一数字将增至1.39亿。与此同时，肥胖流行病也在蔓延——根据世界肥胖联盟的数据，到2035年全球将有超过40亿人超重或肥胖。这两大健康危机的交汇点正是内脏脂肪和肌肉量，而华盛顿大学的研究首次通过大规模影像学数据量化了这种关联的精确程度。
影像学与人工智能的融合：从关联到因果的证据链
图片
打开今日头条查看图片详情
根据先进的核磁共振人工智能分析，肌肉含量较高、内脏脂肪较少的人，其大脑在生物学意义上看起来更年轻。图片来源：Shutterstock
传统的身体成分评估方法——如体重指数或腰围测量——无法区分内脏脂肪和皮下脂肪，也无法准确评估肌肉质量。华盛顿大学研究团队采用的全身MRI技术结合人工智能分析，能够对身体各组织进行精确的体积量化。T1加权序列将脂肪显示为高信号、液体显示为低信号，使得算法能够自动分割和测量内脏脂肪储备、皮下脂肪层和骨骼肌群。同时，针对大脑的结构性MRI扫描被输入深度学习模型，该模型经过数千例不同年龄段个体的训练，能够识别与衰老相关的脑组织变化模式——包括灰质萎缩、白质高信号、脑室扩大和皮层变薄。
研究的核心发现具有高度的统计学显著性。内脏脂肪与肌肉比例较高的个体，其脑龄平均比实际年龄老数年，这种差异在控制了性别、教育水平和心血管风险因素后仍然存在。相比之下，皮下脂肪与脑龄之间没有显著相关性，这一发现挑战了简单的'脂肪有害'假设，暗示脂肪的储存位置和代谢活性比总量更重要。肌肉量则显示出保护性作用——在相同的内脏脂肪水平下，肌肉量较高的个体脑龄更年轻。这种剂量-反应关系为因果推断提供了重要证据。
内脏脂肪与大脑衰老之间的生物学机制涉及多个层面。内脏脂肪不仅仅是能量储存库，更是一个活跃的内分泌器官，分泌数十种炎症因子和代谢活性物质。肿瘤坏死因子α、白细胞介素-6和C反应蛋白等促炎细胞因子可穿过血脑屏障，在大脑中引发慢性低度炎症，损伤神经元和胶质细胞。此外，内脏脂肪积累与胰岛素抵抗密切相关，而胰岛素信号通路的异常已被证实与阿尔茨海默病的发病机制相关，以至于一些研究者将阿尔茨海默病称为'3型糖尿病'。
肌肉组织的保护作用同样具有多重机制。骨骼肌是人体最大的葡萄糖消耗器官，维持肌肉量有助于改善全身代谢健康。更重要的是，肌肉收缩会释放一类称为肌肉因子的分泌蛋白，包括BDNF、鸢尾素和cathepsin B等，这些分子能够促进神经营养、增强突触可塑性和刺激神经发生。流行病学研究已经证实，肌肉量和握力等肌肉功能指标与认知功能和痴呆风险独立相关。华盛顿大学的研究通过影像学手段将这些流行病学观察提升到了器官水平的精确关联。
然而，从关联到因果的跨越仍需谨慎。这项研究是横断面设计，无法确定是内脏脂肪导致了大脑衰老，还是某些共同的遗传或环境因素同时影响了身体成分和大脑健康。例如，长期的身体不活动既会导致内脏脂肪积累和肌肉流失，也可能通过减少大脑血流和神经刺激而加速认知衰退。慢性压力会通过皮质醇轴促进内脏脂肪沉积，同时损害海马体功能。睡眠障碍与内脏肥胖和认知功能下降都有关联。要确立因果关系，需要前瞻性队列研究或干预性试验——观察减少内脏脂肪和增加肌肉量的干预措施是否能够减缓脑龄增长。
GLP-1时代的肌肉流失悖论与精准干预前景
图片
打开今日头条查看图片详情
彩色编码的大脑图展示了从用于人工智能计算大脑年龄的 3D T1 体积 MRI 扫描中获得的分割区域体积示例。图片来源：Cyrus Raji 医学博士、哲学博士和 RSNA
研究团队特别指出了这项发现对当前减肥药物治疗的启示。胰高血糖素样肽-1受体激动剂如司美格鲁肽和替尔泊肽已经彻底改变了肥胖症的治疗格局，这些药物能够在6-12个月内使体重减轻15-20%。然而，越来越多的证据表明，GLP-1药物引起的体重减轻中有相当比例来自肌肉组织。一项发表于《柳叶刀》的研究显示，使用司美格鲁肽减重的患者中，肌肉量损失可占总减重的25-40%，这一比例显著高于通过生活方式干预减重的对照组。
这种肌肉流失现象带来了复杂的临床困境。从体重和内脏脂肪减少的角度看，GLP-1药物应该对大脑健康有益。但如果肌肉量的大幅下降抵消了内脏脂肪减少的好处，整体的神经保护效应可能会打折扣。更令人担忧的是，老年患者本身就面临肌肉减少症的风险，如果在这一脆弱群体中使用导致肌肉流失的减肥药物，可能会加速身体功能衰退和跌倒风险。拉吉博士指出，这项研究的发现可以为未来GLP-1药物的优化提供方向——开发更有选择性地针对内脏脂肪、同时最大限度保留或甚至增加肌肉量的新一代药物。
实际上，药物研发领域已经在朝这个方向努力。一些在研的双激动剂不仅激活GLP-1受体，还激活胰高血糖素受体或其他代谢通路，以增强脂肪氧化而减少肌肉分解。另一类策略是将GLP-1激动剂与促进肌肉合成的药物联合使用，如选择性雄激素受体调节剂或肌肉生长抑制素抑制剂。华盛顿大学研究提供的全身MRI和脑龄评估平台，恰好为这些新药物的开发提供了理想的临床终点指标——不仅可以量化内脏脂肪和肌肉量的变化，还可以追踪这些变化对大脑衰老轨迹的影响。
对于临床实践而言，这项研究强调了身体成分评估应该成为认知健康管理的常规组成部分。传统的认知筛查工具如简易智能状态检查或蒙特利尔认知评估量表，只能检测到已经出现的认知功能下降。而脑龄评估提供了一个更早期的风险标志物，能够在症状出现前数年识别出加速衰老的大脑。结合身体成分的MRI分析，临床医生可以为患者制定个体化的干预方案——针对内脏脂肪过多的患者，优先推荐有氧运动和地中海饮食；针对肌肉量不足的患者，强调阻力训练和蛋白质摄入。
然而，将这些先进的影像学技术转化为广泛的临床应用仍面临挑战。全身MRI扫描昂贵且耗时，目前主要用于研究而非常规体检。人工智能算法的验证和监管批准也需要时间。更现实的近期应用可能是针对高风险人群——如有痴呆家族史、已经出现轻度认知障碍迹象或存在多重代谢危险因素的个体——进行精准评估，以指导更积极的预防性干预。随着技术成本的下降和算法的成熟，未来可能会出现基于MRI的'大脑健康体检'，就像今天的心脏CT钙化积分评估心血管风险一样。
从公共卫生角度看，这项研究为肥胖防控提供了新的论据。当前的肥胖干预策略主要强调体重和心血管风险，而忽视了认知健康。如果能够在公众中建立'内脏脂肪伤害大脑、肌肉保护认知'的认知，可能会提高健康行为改变的动机。学校、工作场所和社区的健康促进项目可以整合认知健康信息，强调身体活动不仅为了身材，更为了保持敏锐的思维。医疗保险政策也可以考虑将证据充分的预防性干预措施——如结构化运动项目或营养咨询——纳入覆盖范围，特别是针对认知风险较高的群体。
拉吉博士在总结研究意义时指出，这项工作证实了关于身体成分生物标志物与大脑健康之间关联的广泛假设，并为将这些生物标志物纳入未来各种代谢干预和治疗的试验奠定了基础。这不仅是一个科学发现，更是范式转变——从将大脑视为孤立的器官，到认识到大脑健康是整体代谢健康的一部分。在未来十年，随着精准医学和个体化治疗的发展，我们可能会看到一个融合了影像学、代谢组学、基因组学和生活方式数据的大脑健康风险预测模型，为每个人提供定制化的衰老延缓策略。华盛顿大学的这项研究是通往那个未来的重要一步。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。股市杠杆平台提示：文章来自网络，不代表本站观点。
