静息态脑电已能提示认知障碍
静息态脑电——即人在安静坐着、不执行特定任务时记录的大脑活动——已被反复用于区分轻度认知障碍（MCI）患者与健康对照。在一项研究中，一个深度学习模型利用闭眼静息态脑电对主观认知下降和MCI进行分类，区分这两组的AUC达到0.807 [1]。AUC是一种综合评分，0.5相当于随机猜测，1.0为完美；0.807意味着模型在约81%的情况下将随机选出的较严重障碍者排在随机选出的较轻障碍者之前。同一研究在同时区分健康对照、主观认知下降和MCI时报告了较低但仍高于随机水平的性能 [1]。
另一项独立的机器学习方法使用布罗卡区（一个与语言相关的大脑区域）上方电极的静息态脑电，基于音位言语流畅性评估，报告区分MCI与非MCI个体的准确率为90.91% [5]。该数字来自单一研究，应视为该数据集内的基准，而非普遍适用的检出率。在帕金森病中，一个静息态脑电指标与蒙特利尔认知评估强相关（rho = 0.69），并且仅使用八个电极就以80.44%的准确率、0.90的AUC、79.52%的灵敏度和81.14%的特异度检测出认知障碍 [2]。这里的灵敏度指被正确标记的障碍者比例；特异度指被正确排除的无障碍者比例。
静息态指标实际测量的是什么
静息态脑电并不测试人在心智挑战中的表现，而是捕捉大脑的自发活动模式以及各脑区之间的协调。在遗忘型MCI中，研究者发现与健康老年人相比，静息态网络存在差异——例如，额上回的δ和β活动增加，而默认模式网络区域的α活动降低 [4]。这些是群体层面的网络使用差异，并非简单的诊断测试；该研究比较了125名遗忘型MCI患者与70名健康老年参与者 [4]。
这一区别对灵敏度很重要。静息态指标可以揭示人无法有意识补偿的网络变化，这可能有助于早期发现。但它也可能漏掉只有在大脑受到挑战时才显现的细微认知下滑。迄今为止的证据表明，静息态信号携带有用的诊断信息，但并不能说明它们捕捉到了认知障碍的所有方面。
为什么基于任务的比较仍无定论
基于任务的脑电记录人在执行认知或感觉挑战（如注意力或记忆任务）时的大脑反应。一篇关于MCI前额叶脑电指标的综述讨论了静息态和基于任务的分析，指出静息态生物标志物一直与认知下降相关 [3]。然而，该综述并未报告显示基于任务的范式优于静息态范式的直接灵敏度比较 [3]。
这里的其他研究均仅采用静息态设计：用于主观认知下降和MCI的深度学习分类器 [1]、帕金森病预测指标 [2]、遗忘型MCI的网络分析 [4]，以及布罗卡区机器学习方法 [5]。它们都没有在同一批参与者中直接比较基于任务的范式与静息态指标。缺乏此类比较，基于任务脑电更灵敏的说法虽然合理，但尚未得到证实。基于任务的设计可能更直接地探测特定认知操作，而静息态设计更易于实施，并已显示出一致的组间差异；哪一种在灵敏度上更优，可能取决于认知障碍的阶段和所测试的认知领域。
本文引用的文献
一种基于注意力的深度学习方法用于利用静息态脑电对主观认知下降和轻度认知障碍进行分类
一个使用静息态脑电的深度学习模型以0.807的AUC区分主观认知下降与轻度认知障碍，三组分类的微AUC高于0.74。
静息态脑电预测帕金森病中的认知障碍（P6-11.015）
一个使用八个电极的静息态脑电指标与蒙特利尔认知评估相关（rho = 0.69），并以80.44%的准确率和0.90的AUC检测出帕金森病中的认知障碍。
迈向阿尔茨海默病早期诊断：轻度认知障碍中的前额叶脑电指标——从静息态与感觉-注意事件相关电位视角
一篇综述讨论了轻度认知障碍中的静息态和基于任务的前额叶脑电指标，指出静息态生物标志物一直与认知下降相关，但未报告直接的灵敏度比较。
遗忘型轻度认知障碍中的脑电静息态功能网络
与健康老年人相比，遗忘型轻度认知障碍患者表现出静息态脑电网络活动改变，包括额上回δ/β活动增加以及默认模式和注意网络区域α活动降低。
利用布罗卡区静息态脑电信号高性能检测轻度认知障碍：一种机器学习方法
一种使用布罗卡区通道静息态脑电的机器学习方法，基于音位言语流畅性评估，在区分MCI与非MCI个体时达到90.91%的准确率。