近日，首都医科大学附属北京天坛医院王拥军院士团队联合北京航空航天大学刘涛教授团队在《npj Digital Medicine》发表题为“Deep learning-based brain age predicts stroke recurrence in acute ischemic cerebrovascular disease”的研究论文。该研究创新性地提出一种专用于急性缺血性卒中患者的基于掩码的脑龄预测模型（Mask-based Brain Age estimation Network，MBA Net），通过分析非梗死脑区的背景脑龄（contextual brain age, CBA），首次揭示脑龄差（brain age gap, BAG）与卒中复发风险之间的显著关联：该脑龄差每增加1岁，3个月卒中复发风险升高9%，5年卒中复发风险升高7%。更值得关注的是，该指标可独立预测短期（3个月）及中长期（1–5年）卒中复发风险，且预测效能显著优于实际年龄。首都医科大学附属北京天坛医院周宏宇博士与北京航空航天大学刘子阳博士为共同第一作者，首都医科大学附属北京天坛医院李子孝教授、北京航空航天大学刘涛教授及首都医科大学附属北京天坛医院王拥军院士（末位通讯）为共同通讯作者。

急性缺血性脑血管病（acute ischemic cerebrovascular disease，AICVD）具有高复发风险，临床亟需可量化的精准风险分层工具以优化二级预防策略。大量证据表明，衰老是AICVD发病、复发及功能预后不良的重要危险因素。然而，实际年龄仅反映时间的线性累积，难以捕捉个体间脑老化程度的异质性。

脑龄（brain age）是一种基于神经影像与人工智能算法估计的大脑“生物学年龄”指标。个体脑龄与其实际年龄之差，即脑龄差（BAG），可量化大脑衰老偏离正常轨迹的程度，已被广泛应用于脑健康评估及多种神经精神疾病风险的预测。相比之下，在脑血管病领域，尤其是BAG与卒中复发风险关联的研究仍十分有限。

鉴于AICVD的复发事件集中于急性期，且国内外临床指南均推荐符合适应证的患者在该阶段尽早启动抗血小板治疗，因此，在这一关键窗口期探究BAG与卒中复发风险的关联具有重要的临床意义。既往脑龄研究多采用全脑评估策略，但在卒中急性期，梗死核心区呈动态演变，且受发病至影像检查时间窗、个体病灶进展速率等多种混杂因素影响，导致全脑脑龄估计在急性期波动较大，严重限制了其临床应用。

针对这一关键瓶颈，研究团队提出基于掩码的脑龄预测模型（MBA Net），通过自动屏蔽急性梗死区域，仅利用非梗死脑区计算背景脑龄（CBA），有效规避病灶干扰，显著提升了急性期脑龄评估的稳定性与临床适用性。

该研究由国家重点研发计划（2022YFC2504900）、北京市自然科学基金重点研究专项(Z200016)、国家自然科学基金（82372040、U20A20358）以及中国医学科学院医学与健康科技创新工程项目（2019-I2M-5-029）等项目资助。

（原文阅读：附属北京天坛医院王拥军院士团队提出创新脑龄指标有效预测卒中复发）