共计 870 个字符，预计需要花费 3 分钟才能阅读完成。
蒙特利尔大学心理学系教授 Sarah Lippé 领导的研究团队开发了一种创新方法，能够在几分钟内精确评估婴儿的大脑发育状况，判断其是超前、延迟还是与实际年龄相符。这项研究发表在 2025 年 5 月的《NeuroImage》期刊上，标志着人工智能在早期检测发育障碍领域的重要突破。
该研究团队利用脑电图（EEG）记录的大脑电信号，通过机器学习算法估算婴儿的“大脑年龄”。Lippé 教授表示：“仅需几分钟的脑电图信号，我们就能估算出婴儿的年龄，平均误差不到 30 天。这为检测大脑成熟延迟和加速提供了强有力的工具。”
- 
研究团队比较了传统机器学习与新型深度学习两种分析方法的有效性。在传统机器学习模型中，研究人员从脑电图中提取了信号复杂性以及 δ、θ 和 α 频率范围内脑波活动的强度等关键特征。而新型深度学习模型则直接处理原始脑电图数据，自动分析其中的模式。研究结果显示，深度学习模型表现更为出色。
这项研究的临床意义重大。Lippé 教授指出：“生命的最初几年对大脑发育至关重要，这是大脑结构和功能各个层面的变化为日益复杂的信息处理奠定基础的时期。”研究团队对 272 名婴儿进行了调查，其中包括 53 名患有巨脑症的婴儿。研究发现，患有巨脑症的婴儿与未患此病的婴儿相比，表现出明显的大脑成熟延迟。
该研究还揭示了脑波活动与大脑发育之间的密切关系。例如，与注意力和放松相关的 α 波（6-9 赫兹）随着婴儿的发育变得更加明显，反映了其认知功能的日益整合。而深度睡眠特征性的 δ 波（0.5-2.5 赫兹）在婴儿中占主导地位，但随着大脑的成熟变得不那么频繁。
Lippé 教授强调，这种非侵入性工具不仅能够估算大脑年龄，还可以检测神经发育速度的异常。研究发现，大脑年龄与通过适应性行为和信息处理速度测试评估的行为和认知功能测量结果存在显著相关性。
“估算的大脑年龄可以帮助我们在行为症状出现之前识别有发育障碍风险的儿童，”Lippé 教授说，“它还可以通过提供大脑发育进展的客观指标，用于监测治疗干预的有效性。”这一突破性研究为早期筛查和个性化监测婴儿发育障碍开辟了新的可能性，有望显著改善长期治疗效果。
