PsyBrain 脑心前沿 / 综合神经科学：顶刊文献解读专题 / A · 文献解读 / A085 · IF=50！NatMed连发两篇，围绕衰老、讨论教育与认

A085 IF = 50！Nat Med 连发两篇，围绕衰老、讨论教育与认知灵活性、大语言模型与“脑龄”预测

来源：公众号 PSY-Brain_Frontier ｜发布：2025-09-24 ｜原文链接

点击蓝字关注我们知晓前沿

认知神经科学前沿文献分享

基本信息：

Journal: Nature Medicine

影响因子：50.0

衰老是人类健康与社会发展的核心挑战，其进程具有显著的个体差异，涉及身体、器官、分子等多层面机制。如何更准确地度量和理解衰老，不仅是基础科学的重要问题，也是延缓疾病发生、提升老龄健康的关键。近期，Nature Medicine 连续发表了两篇关于衰老的重要研究，凸显了衰老科学在全球健康与医学领域的核心地位。一方面，基于大规模跨国数据的研究重新审视了教育与认知衰退、脑部老化之间的关系，挑战了“教育延缓衰老”的传统观点，强调早期个体差异的重要性。另一方面，另一项工作则提出了基于大语言模型的"脑龄"预测新方法，以更精细地刻画衰老的多维进程，并将其与认知灵活性等关键功能指标相结合。这两项研究从社会环境与计算方法双重维度切入，既揭示了衰老的复杂性，也展示了新技术推动下衰老研究范式的转变，进一步强调了理解与应对衰老对个体健康和社会发展的深远意义。

第一篇文章：

Title : Reevaluating the role of education on cognitive decline and brain aging in longitudinal cohorts across 33 Western countries

发表时间：2025.7.28

研究动机与背景

教育与老年认知功能之间的关系长期存在争论。一方面，主流理论认为教育通过“脑维护”或“认知储备”降低脑衰退或增强对病理的耐受；另一方面，也有观点认为这种关联反映了教育前已有的认知优势。前期研究结果不一致，有的发现高教育者脑病理更少、认知更好，有的则未观察到差异。本研究的动机是利用大规模、跨国纵向数据来验证教育是否真正能减缓老年认知衰退或仅仅是早期个体差异的投射。这一问题不仅对基础科学重要，也直接关系到公共政策（如教育推广是否能降低痴呆风险）

省流总结

本研究整合了来自33个西方国家的纵向大规模数据（约40万次记忆测试与1.5万次脑MRI扫描），重新评估教育与认知衰退及脑老化之间的关系。结果显示：受教育程度较高者在老年拥有更好的记忆表现、更大的颅内容积和略大的记忆相关脑区体积。然而，教育并未减缓认知或脑部衰退，也未增强大脑对病理变化的抵抗力。最合理的解释是，这些关联源于早期生命阶段的个体差异，而非教育在老年阶段提供保护。这一结果对“教育延缓脑衰退”的流行观点提出了挑战，强调了早期认知和脑结构的重要性

实验设计与方法逻辑

作者汇集了33个国家的数据，主要包括欧洲、美国和以色列，涵盖170,795名50岁以上个体的407,356次记忆测试，以及6,472名个体的15,157次纵向MRI扫描。他们重点考察情景记忆（episodic memory），因其对衰老最为敏感。分析步骤包括：使用纵向回归模型估计教育与记忆表现及衰退速度的关系；利用“相对教育水平”指标及儿童期认知和家庭环境变量来探测选择效应；在MRI数据中提取与记忆相关的脑区体积变化，测试教育是否能减缓脑衰退或改变脑-认知关联。研究设计逻辑是依次检验三种理论假设（脑维护、认知储备、早期差异），并在跨文化样本中验证其稳健性

作者有六点核心发现：

发现一：教育与基线记忆表现显著相关（Fig. 2a, Fig. 3a）各教育组在任何年龄段的记忆成绩均呈现线性排序，教育程度越高，记忆表现越好。但随时间推移的下降速率基本平行，没有显著差异。

发现二：教育与记忆衰退无关（Fig. 3b）纵向分析显示教育水平对记忆下降速度影响极小（效应量趋近于零）。

发现三：再测效应与教育无交互作用（Fig. 2b,c）所有人群的重复测试提升效应类似，教育并未增强学习或测试策略的获益。

发现四：教育与脑体积关联有限（Fig. 5a–c, Fig. 6a）高教育组平均颅内容积更大，部分记忆相关脑区体积略大，但随时间的脑萎缩速率几乎一致。

发现五：教育未增强脑-认知抵抗力（Fig. 6b,c）脑衰退与记忆下降的关系在不同教育水平下相同，未观察到认知储备效应。

发现六：早期因素部分解释教育-记忆关联（控制童年数学/语言能力与家庭书籍数量后效应减弱）

第二篇文章：

Title : Large language model-based biological age prediction in large-scale populations countries

发表时间：2025.7.23

研究动机与背景

衰老是导致死亡与慢性疾病的主要风险因素，已成为全球公共健康的重大负担。越来越多研究表明，衰老并非单一维度的过程，而是一个复杂的、多维度的动态演化，表现出个体在身体、器官、分子等多个层面的显著异质性，并受到环境和遗传等多重因素影响。因此，在临床实践中，单一的时间尺度（即实际年龄）无法全面反映个体真实的健康状况。相比之下，整体衰老代理 (aging proxy) 指标能够更好地反映综合健康水平，而器官特异性衰老指标则可以深入了解特定系统或器官的健康。然而，现有的衰老代理仍面临三大核心挑战：

方法学局限——多数模型依赖监督学习并以实际年龄作为训练标签，这不仅导致模型过度追求对时间的拟合，也削弱了“年龄差”与真实衰老信号之间的相关性。
预测效力不足——诸如端粒长度、八个表观遗传时钟、四个机器学习模型预测等常见衰老指标在不良健康结局预测上的相关性有限，难以支撑临床应用。
泛化性受限——现有模型往往为特定人群设计，跨地区或跨群体的适用性较差，同时在成本和可操作性上也难以满足大规模普及需求。

因此，亟需开发一种既能全面捕捉多维衰老信号、又能在大规模人群中低成本、便捷应用的评估方法。

大型语言模型（LLM）因具备无监督学习特性与跨模态处理能力，被提出作为潜在解决方案，有望突破当前衰老研究与应用中的瓶颈。

图10

省流总结

来自清华大学的研究者在于2025年7月23日在Nature medicine 提出了一种基于大型语言模型（LLM）的生物学年龄评估框架，能够仅依靠常规体检报告推断个体整体与器官特异性衰老。研究涵盖六大人群队列，总样本超1000万，显示LLM预测的年龄在死亡率及多种疾病风险预测上显著优于端粒长度、表观遗传时钟、虚弱指数以及传统机器学习模型。LLM预测的“年龄差”（预测年龄减去实际年龄）与多种衰老相关表型和临床结局高度相关。进一步，作者利用该框架识别了加速衰老相关的蛋白质生物标志物，并开发了270种疾病的风险预测模型。研究显示该方法具有精确性、可扩展性和解释性，为大规模个体化衰老评估与健康管理提供了新路径

图11

实验设计与方法逻辑

作者整合了六大国家级人群队列，包括UK Biobank、NHANES、中国的CHARLS、CLHLS、CFPS和NCRP，总计超过1000万人。研究首先将体检信息（基本信息、生活方式、体格检查、生化指标、病史等）转化为文本化的健康报告，再通过八个不同的LLM（Llama与Qwen系列）进行prompt学习，生成个体整体和器官特异性年龄预测。随后，作者将预测年龄与传统代理比较，评估其与衰老表型和临床结局的关联性。进一步，研究提取了年龄差指标并用于死亡率和疾病风险的预测，结合生存分析与Cox模型进行验证。同时，作者探索了LLM的动态评估能力（纵向队列）、可解释性（CoT、SHAP、替代模型与反事实模拟）及下游应用（蛋白质组学生物标志物、270种疾病风险预测模型）

图12