1 要点

论文标题： Current challenges and future directions for brain age prediction in children and adolescents
作者： Lucy Whitmore¹ & Dani Beck²³
机构： ¹University of Oregon, USA / ²University of Oslo (PROMENTA Research Center), Norway / ³Diakonhjemmet Hospital, Norway
期刊： Nature Communications (2025) 16:7771
定义：儿童 ≈ 3–9岁（AAP Bright Futures指南），青少年 ≈ 10–19岁（WHO），youth涵盖两者

研究背景：
脑龄预测框架（Brain Age Prediction）通过MRI数据预测个体的生物学年龄，计算脑龄偏差（BAG = 预测年龄 − 实际年龄），BAG为正表示大脑比同龄人"更老"，BAG为负表示"更年轻"。该框架在成人样本中广泛应用，近年来逐渐向儿童和青少年群体扩展。然而，儿童青少年的脑发育是高度动态、非线性的过程，直接套用成人的脑龄预测方法面临一系列独特挑战。

研究目标：系统性地梳理和批判在儿童/青少年群体中应用脑龄预测框架所面临的核心挑战，并提出各挑战的具体建议和未来方向。

核心内容：六大挑战与建议

挑战	核心问题	关键建议
Issue 1: BAG的解读	BAG在发育期不代表简单的“加速/减速成熟”，可能只是正常个体变异	用中性语言（“更年长/年轻的大脑”），发展多轴/区域性时钟
Issue 2: 模型训练与样本	用成人模型预测儿童脑龄导致领域不匹配，样本量不足	训练集须代表目标人群，建议每6月年龄bin ~20例高质量扫描（总计~250-300人），绘制学习曲线
Issue 3: 研究设计	横断面设计无法区分发育速度与时点差异	必须优先使用纵向设计，追踪同一个体的BAG变化轨迹
Issue 4: 模型性能指标	青少年MAE（0.5-1.5岁）与成人MAE（3-6岁）不可直接比较，受年龄范围影响	报告MAE同时提供年龄范围，可选加归一化指标（MAE/年龄跨度），遵循BASE/BabyPy标准
Issue 5: 非线性	脑发育高度非线性，但非线性/深度模型在当前数据规模下未必优于线性模型	先用简单模型（正则化线性/样条），仅在大样本+已验证非线性信号时考虑复杂模型
Issue 6: 偏差与校正	BAG天然与年龄相关（"回归到均值"偏差：年轻者高估、年长者低估），多站点扫描仪效应	报告校正前后指标，协调参数仅在训练集学习后应用于测试集（避免数据泄露）

2 引言

2.1 儿童青少年大脑发育的复杂性

人类大脑在童年和青少年期经历深刻的结构与功能变化 [1]：

• 灰质：体积减少、皮层厚度单调下降、表面积在儿童期增加、青少年期下降 [3]
• 白质：体积和FA增加、MD降低，反映微观结构成熟 [4]
• 功能连接：网络内连接增强（整合），网络间连接减弱（隔离）[5]

这些变化是动态、非线性、不同脑区异步的——例如皮层下结构（杏仁核、伏隔核）的成熟早于前额叶皮层 [53]。

2.2 脑龄预测框架

脑龄预测通过在大规模MRI数据集上训练模型（学习从脑特征预测年龄的模式），然后应用到新扫描数据，比较预测脑龄和实际年龄，计算脑龄偏差（BAG）：
$$\text{BAG}=\text{Predicted Age}-\text{Chronological Age}$$

• BAG > 0：大脑比实际年龄"更老"（成人 = 衰退，青少年常被解读为"加速成熟"）
• BAG < 0：大脑比实际年龄"更年轻"（成人 = 更健康，青少年常被解读为"延迟成熟"）

BAG已在成人中与认知功能、心血管代谢健康、生活方式、精神障碍和神经退行性疾病建立了关联。

3 现有文献综述

3.1 精神健康

BAG方向	关联的临床表型	代表性文献
BAG < 0（更年轻）	广泛性焦虑、ASD症状严重度、ADHD症状、CBCL评分升高、功能损伤加重	[27-31]
BAG > 0（更年长）	抑郁症、精神病风险、强迫症症状、精神分裂症诊断、一般精神病理	[32-35]
纵向变化	高风险青少年发展为心境障碍时BAG减速 [36]；女性青少年内化问题与BAG加速 [37]

关键警示：BAG具有预后信息潜力，但在获得跨扫描仪/管线的交叉验证、纵向证据和超越已有临床预测因子的增量效度之前，BAG仍是群体层面风险分层的研究指标，而非个体级临床生物标志物，其中误分类和污名化青少年的风险不容忽视。

3.2 身体与青春期发育

• 更早的青春期时间（“青春期年龄”）→ BAG更高 [39]
• 父母和孩子报告的青春期发育量表（PDS）分数→ BAG增高 [8,16]
• PDS分数的年度变化 → BAG的年度变化同步 [16]
• 初潮分类器概率（连续概率值）→ BAG正相关 [40]
• 初步证据：BAG与表观遗传衰老指标EpiAGE相关 [41]；BAG及其纵向变化具有遗传性 [42]

3.3 认知

BAG与认知的关系极其模糊且矛盾：

• 部分研究报告正相关 [31]
• 部分报告负相关 [43]
• 部分报告无关系 [21]
• 同一研究内不同年龄范围或模型给出冲突结果 [8,44]

可能原因：认知测量工具差异巨大（从NIH Toolbox复合测验 [8,21] 到Penn CNB [45] 到特定任务 [31,46]），以及模型特征和样本的差异。

3.4 环境因素与生活经历

环境因素	与BAG的关系	文献
早产	↑ BAG更高	[47]
早年邻里劣势	青春期早期BAG↑，后期逐渐↓	[48]
社会经济劣势 + 不良经历复合	↑ BAG更高	[32]
童年虐待	↓ BAG更低（情绪回路模型）	[49]
情绪忽视	↓ BAG更低（延迟成熟）	[23]
照料者精神病理/创伤暴露/家庭攻击/物质使用/分离	↑ BAG更高（加速成熟）	[23]

重要推论：不同维度逆境可能方向相反地影响BAG，例如忽视导致BAG降低，创伤导致BAG增高。共同经历者可能在BAG上表现"正常"，但实际上是两种相反力量的平均抵消。

4 六大核心挑战

Issue 1：BAG在儿童青少年中到底代表什么？

问题本质：

• 现有研究未确定BAG的正常变异范围：多大偏差算"实质性加速/减速"？
• BAG的纵向稳定性未知：偏差会持续到成年吗？一个人BAG逐渐缩小/收敛常见吗？
• BAG将数千个特征压缩为一个全局分数 → 掩盖区域性差异：大脑可能在全局上"正常"，但额叶延迟而皮层下结构加速（发育异步性）
• 成人的脑轨迹已较好建立（灰质减少、白质FA下降等），解释BAG相对直接；青少年脑轨迹非单调（如皮质表面积~10-11岁转折），使解读困难
• 成人样本中生活方式因素（运动、心血管风险、SES等）已累积数十年，青少年中这些效应可能尚未显现

建议：

1. 在正常发育变异的背景下解读BAG，小偏差可能在典型发育范围内
2. 报告置信区间和效应量，而非仅点估计值
3. 谨慎用词：避免"加速/减速成熟"（尚未证明BAG反映发育时点/速度），改用中性表述——“更年长/更年轻的大脑"或"正/负BAG”
4. 发展区域/模态特异性时钟：成人中已发现34个遗传相关的独立衰老轴[52]，将此多轴框架适配到青少年可揭示BAG隐藏的组织特异性成熟滞后
5. 报告特征贡献：使用vip（变量重要性图）和SHAP解释模型，即使权重图本身解释复杂 [67, 68]

Issue 2：模型训练与样本选择

问题本质：

• 领域不匹配：用成人数据训练模型预测青少年脑龄 → 预测不准 → BAG含义扭曲
• 样本量不足：青少年脑发育个体间变异极大（甚至需要上千人才能得到robust的脑-行为关联 [73]），小样本学习容易过拟合
• 不同算法类型的外推能力不同：随机森林的预测被限制在训练年龄范围内 [71]；参数/核方法可数学上外推但不确定性极高
• 性别和青春期：男性青少年脑结构变异性 > 女性 [74]；女性在14-16岁BAG高于男性约1岁（反映加速成熟），18岁时趋于收敛 [42]

建议：

1. 确保训练数据代表目标人群（年龄/性别/青春期阶段）
2. 绘制学习曲线来确定所需样本量的平台期：经验表明每6个月年龄窗口需要约20例高质量扫描；6年窗口（11-17岁）约需250-300人，但更大队列（>500人）仍有益于跨扫描仪/族裔泛化
3. 样本不足时优先使用预训练模型而非在小数据上重新训练
4. 训练集应包含异构扫描仪数据
5. 考虑按性别或青春期状态分层建模
6. 遵循BASE标准化评估框架 [76]

关于BAG的可重复性临界点：Marek等人 [73] 表明在高度变异的发育期，脑-行为全脑关联研究需要上千被试。脑龄模型虽然比全脑关联更有统计效力，但同样受样本量约束。250-300人是当前经验上的实用下限，但跨站点泛化和微小效应检测需要更大规模。

Issue 3：研究设计——横断面 vs 纵向

问题本质：

• 横截面研究无法区分发育速度与发育时点：当一个组比另一个组BAG低，是发育更慢？还是发育时间点不同？还是纯属取样误差？
• 尤其在儿童青少年期，数据呈现变化剧烈、个体间异质，横截面估计极易混淆组差异与发育差异
• 唯一能回答"加速/减速"问题的设计是纵向：追踪同一个体随时间的变化

纵向已有证据示例：

• Rakesh等人 [48]：邻里劣势 → 青春期早期BAG↑ → 后期BAG减速。如果不纵向追踪，这个时序效应不可见

建议：

• 纵向数据是必需的，不是可选选项——尤其在声称"非典型发育"时
• 纵向设计可以揭示：
  • BAG偏差是暂时性还是持续性风险指标
  • BAG变化速率与临床/行为评估的关联
  • 敏感期/转折点

为什么成人的横截面能用而青少年不行？ 成人脑衰老轨迹近似线性且个体差异相对较小。青少年脑发育高度非线性（灰质先增后减、白质持续增加、不同脑区异步），个体差异极大 [51]。同一实际年龄的两个青少年可能在发育曲线上处于完全不同的位置。

Issue 4：模型性能指标

问题本质：

年龄组	典型MAE	为什么不可直接比较
青少年	0.5–1.5岁	年龄范围窄（通常5-10年跨度）
成人	3–6岁	年龄范围宽（通常30-60年跨度）

• MAE天然与年龄范围成正比：年龄跨度越大，结构变异性越大 → MAE越大
• 举例：青少年MAE=0.35岁 vs 成人MAE=3.5岁——看似10倍差距，但两者都约等于各自年龄跨度的**~7%**（(14-9)/0.35 ≈ (87-40)/3.5）
• R²也受相同效应影响：窄范围降低变异 → 人工压低R²

建议：

1. 报告MAE的同时必须报告测试集年龄范围
2. 跨研究比较时可选加归一化指标（如MAE/年龄跨度）
3. 报告交叉验证每折的预测R²（而非单一均值），遵循BASE [76] 和BabyPy [82] 指南
4. 开发共享参考数据集和基准测试框架——对稀缺的青少年独立队列评估尤为重要

Issue 5：非线性

问题本质：

• 儿童脑发育高度非线性（非单调：如表面积先增后减；区域异步：如前额叶 vs 皮层下）
• 理论预期非线性模型（核方法、深度网络）可更好捕获此复杂性 → 实际上不一定
• Schulz等人 [83] 关键发现：当数据集注入高水平噪声时，核方法和深度模型表现不比线性模型好，这是因为噪声淹没了高阶模式
• 大多数神经发育数据集样本小 + 测量噪声大 → 非线性信号不足
• 深度卷积架构假设平移不变性和组合性结构——在固定解剖结构的人脑中不一定成立

建议：

条件	推荐方法
样本量小或噪声大（多数现状）	正则化线性模型、样条（spline）、多项式
大样本 + 已验证的非线性信号	高斯过程回归、XGBoost、SVM核方法、带正则化的神经网络
无论哪种方法	避免过度拟合——完美的年龄预测反而消除BAG的有意义方差
长期方向	开发多轴/模态特异时钟——将非线性成熟分为不同的衰老轨迹

核心逻辑：如果模型过度拟合，"BAG = 0"意味着什么偏差都没有 → BAG作为生物标志物完全失去意义。因此适度的预测误差（即合理的MAE）是BAG有意义的前提。

Issue 6：偏差与校正

问题本质：回归到均值偏差：
Smith等人 [90] 证明了：原始BAG天然与年龄相关
$$\text{BAG}=\hat{y}-y$$因为$\hat{y}$是回归估计值，必然向均值收缩 → 年轻人被高估（BAG为正）、老年人被低估（BAG为负）

极端情况：如果MRI特征完全没有年龄信号，BAG退化为年龄的简单线性函数。任何下游关联分析（BAG与认知/精神病理/环境风险的相关）本质上只是在重复年龄效应。

校正方法及代价：

方法	原理	代价
回归剔除年龄效应	BAG对年龄回归取残差	可能人工膨胀R²并降低误差指标 [93]
纳入年龄为协变量	在分析中以年龄为控制变量	较保守但统计效力降低
斜率和截距调整 [91,92]	对原始预测进行线性缩放	仍可能过校正或欠校正
多站点协调（ComBat等） [88,97]	减少扫描仪引入的特征方差	必须只在训练集学习参数后应用于测试集——在全量数据上估计参数会导致数据泄露

数据泄露的具体机制：

• 在整个数据集上估计协调参数再划分 → 测试集信息泄漏到训练
• 分别在训练和测试集上重新估计协调参数 → 训练和测试特征在不同尺度上，不可比
• 正确做法：只在训练分区拟合协调参数，然后以固定变换形式应用到测试分区

当前无共识：没有哪种校正方法被公认最优。推荐报告校正前后指标，可视化残差随年龄的分布。

4. 总结与未来方向

维度	核心问题	具体建议
1. BAG解读	BAG在发育期的生物学含义不明确	使用纵向数据追踪BAG稳定性与动态；中性语言；发展区域/多模态时钟
2. 模型训练	成人模型不适合青少年，样本不足	训练集代表目标人群；绘学习曲线确认平台；>250-300人为起点；跨扫描仪异构训练
3. 研究设计	横截面混淆发育差异与组差异	优先纵向设计；追踪同一个体的BAG变化轨迹
4. 性能指标	MAE/R²不可跨年龄范围比较	报告多个指标 + 年龄范围 + 可选归一化值；遵循BASE/BabyPy标准
5. 非线性	非线性模型不一定优于线性模型	从简单模型开始，仅在样本充足+信号确证时升级；避免过拟合
6. 偏差与校正	BAG天然与年龄相关，多站点扫描仪效应	评估原始偏差；报告校正前后指标；协调参数仅在训练集学习 → 固定应用于测试集

未来方向：

1. 建立标准化最佳实践：针对青少年脑龄预测的统一操作规范
2. 多轴/模态特异时钟：成人的数据驱动分析已发现多个正交衰老轴 [52] 和组织特异性模型（如BrainAgeNeXt [103]）——将这些适配到青少年队列
3. 开放科学：预注册研究、共享模型代码和权重图、提供详细方法论
4. 临床转化路径：BAG需要与年龄/性别特异参考曲线（类似Bethlehem等人的脑形态图表 [38]）对标，在纵向队列中证明增量效度