2025年12月29日，国际期刊Nature Neuroscience在线发表北京师范大学和首都医科大学附属北京天坛医院共同领衔的研究长文[1]，发布了由“中国脑健康影像联合体（CHART: Chinese Brain Health Imaging Consortium）”建立的首个覆盖中国全年龄段人群脑形态发育“标准图谱”。CHART汇聚了全国105家机构的科研力量，覆盖34个省级行政区划（包括港澳台）并分析了超过2.4万名健康中国志愿者从4岁到85岁的脑影像数据，构建了首个大规模、精细化的“中国脑常模参照”。研究不仅系统描绘了中国人脑毕生发展的独特轨迹，更开发出一套基于个体差异的“脑健康偏离评分”体系，在多种神经系统疾病的精准诊断、预后预测和疗效评估中展现出卓越性能，为迈向个体化脑健康管理时代奠定了关键基石。
图1 CHART脑图表与LBCC脑图表的生命周期发育里程碑
一、绘制“中国标准”：揭示中国人脑发育的独特时间表
长期以来，全球脑科学研究与临床评估所依赖的脑结构常模主要基于欧美人群数据。然而，越来越多的证据表明，不同人群因进化遗传、环境等因素，脑结构与发育轨迹存在差异[2-5]。直接使用“欧美标准”来评估中国人群脑健康，可能导致偏差或误判。此项研究填补了这一关键空白。通过对24061名健康中国人脑磁共振影像的分析，CHART团队刻画了覆盖脑网络组[6]、人类连接组计划脑分区[7]和人脑高精功能连接分区[8]等图谱、包括灰质、白质体积、皮层厚度、脑表面积等在内的228个脑形态指标随年龄变化的“标准生长曲线”。研究发现，中国人脑多个结构形态的发育峰值年龄（里程碑）晚于欧美人群[1,9]：例如（图1）皮层灰质体积峰值出现在约7.1岁，晚于欧美常模的5.9岁；白质体积峰值出现在约37.6岁，比欧美常模28.7岁晚了近8.9年。这表明，中国人脑成熟与老化进程具有自身特点，确立本土化的评估基准至关重要。
二、从“群体平均”到“个体导航”：量化每个人的“脑偏离分数”
这项CHART研究不仅建立了群体标准，更发展了一套将个体与标准对比的量化方法——即“百分位数偏离分数”。简单来说，每个人的每个脑结构指标都能计算出一个分数，显示其相对于同年龄、同性别的健康中国人群体所处的位置（例如，低于5%或高于95%可能提示异常）。研究团队将这套方法应用于3932名患有阿尔茨海默病、帕金森病、脑小血管病、多发性硬化等六类常见神经系统疾病的患者。结果发现，不同疾病呈现出特征性的“偏离图谱”。例如，阿尔茨海默病患者在全脑范围内显示出广泛的低偏离分数（表明萎缩），而轻度认知障碍患者的变化则更局限于海马、杏仁核等特定区域。这种个体化、量化的评估方式，远比传统“病例 vs. 健康对照”的群体比较更能捕捉疾病的异质性和个人特点。
三、赋能临床：从诊断到预后的全链条应用验证
为证明“偏离分数”的实用价值，研究团队设定了三大临床任务进行验证：
1. 疾病倾向评估：利用机器学习模型，基于个体的全脑偏离模式，可计算其罹患特定神经系统疾病的“倾向评分”。模型在区分不同疾病与健康人群方面表现出高精度（曲线下面积AUC最高达0.98），为早期筛查和鉴别诊断提供了新工具。
2. 认知与躯体功能预测：个体的偏离分数能有效预测其当前的认知测验分数（如MMSE、MoCA）和运动功能评分（如帕金森病的UPDRS-III、多发性硬化的EDSS评分），证实了脑结构形态偏离与临床症状的紧密关联。
3. 治疗反应与预后判断：在纵向随访中，基线时的偏离分数能够预测帕金森病患者对药物和脑深部电刺激疗法的运动改善程度。更重要的是，它还能成功对多发性硬化等疾病患者进行风险分层，精准识别出未来残疾进展风险更高的群体，为个体化治疗决策提供依据。
四、开启脑健康管理新时代：从研究报告到临床实践
基于上述成果，CHART团队最终开发出了一份“个体化脑健康报告”原型。这份报告能将个人复杂的脑影像数据，转化为直观的、与“中国标准”对比的可视化图表和风险评分，犹如一份脑健康的“体检报告”，助力医生进行更精准的评估，也帮助个人理解自身的脑健康状况。这项研究标志着我国在脑科学与脑健康研究领域取得了里程碑式的进展。它不仅首次系统揭示了中国人脑的毕生发展规律，建立了不可或缺的“中国标准”，更创新性地将常模参照与机器学习结合，构建了适用于多种脑疾病的个体化定量评估框架。具有深远现实意义：首先，推动我国神经系统疾病的脑健康诊疗从依赖“欧美标准”走向“中国标准”，提升诊断准确性与公平性。其次，通过个体化“偏离分数”，为实现疾病的早期预警、精准分型、疗效监测和预后预测提供了强大的客观影像标志物。最终，这项研究为未来大规模脑健康筛查、建立基于中国人特征的脑老化预警体系，以及实现真正的“精准脑医学”奠定了坚实的数据与方法学基础，有望深刻改变脑健康管理的未来图景。
本研究由北京师范大学-IDG/麦戈文脑科学研究院左西年研究组、首都医科大学附属北京天坛医院放射科刘亚欧团队领衔联合全国脑影像研究单位组建CHART共同联合完成。北京师范大学左西年研究组于2022年参与共同建设了国际“人类生命周期脑图表联合体（LBCC: Lifespan Brain Chart Consortium）”并绘制了首个全生命周期的脑图表[9]，此后通过与首都医科大学刘亚欧团队合作共同推动建立中国人脑生命周期脑图表[10]。需要指出在当前阶段，脑图表仍存在众多有待未来产学研共同完善之处[11,12]。
原文链接：[1] Zhuo, Z., Chai, L., Wang, Y. et al. Charting brain morphology in international healthy and neurological populations. Nat Neurosci (2025).https://doi.org/10.1038/s41593-025-02144-5
相关工作
[2] Fan, C. C., Bartsch, H., Schork, A. J., Chen, C.-H., Wang, Y., Lo, M.-T., Brown, T. T., Kuperman, J. M., Hagler, D. J., Schork, N. J., Jernigan, T. L., & Dale, A. M. (2015). Modeling the 3D Geometry of the Cortical Surface with Genetic Ancestry. Current Biology, 25(15), 1988–1992.
[3] Dong, H.-M., Castellanos, F. X., Yang, N., Zhang, Z., Zhou, Q., He, Y., Zhang, L., Xu, T., Holmes, A. J., Thomas Yeo, B. T., Chen, F., Wang, B., Beckmann, C., White, T., Sporns, O., Qiu, J., Feng, T., Chen, A., Liu, X., … Zuo, X.-N. (2020). Charting brain growth in tandem with brain templates at school age. Science Bulletin, 65(22), 1924–1934.
[4] Ge, J., Yang, G., Han, M., Zhou, S., Men, W., Qin, L., Lyu, B., Li, H., Wang, H., Rao, H., Cui, Z., Liu, H., Zuo, X.-N., & Gao, J.-H. (2023). Increasing diversity in connectomics with the Chinese Human Connectome Project. Nature Neuroscience, 26(1), 163–172.
[5] Fan, X.-R., Wang, Y.-S., Chang, D., Yang, N., Rong, M.-J., Zhang, Z., He, Y., Hou, X., Zhou, Q., Gong, Z.-Q., Cao, L.-Z., Dong, H.-M., Nie, J.-J., Chen, L.-Z., Zhang, Q., Zhang, J.-X., Zhang, L., Li, H.-J., Bao, M., … Zuo, X.-N. (2023). A longitudinal resource for population neuroscience of school-age children and adolescents in China. Scientific Data, 10(1), Article 545.
[6] Fan, L., Li, H., Zhuo, J., Zhang, Y., Wang, J., Chen, L., Yang, Z., Chu, C., Xie, S., Laird, A. R., Fox, P. T., Eickhoff, S. B., Yu, C., & Jiang, T. (2016). The Human Brainnetome Atlas: A New Brain Atlas Based on Connectional Architecture. Cerebral Cortex (New York, N.Y. 1991), 26(8), 3508–3526.
[7] Glasser, M. F., Coalson, T. S., Robinson, E. C., Hacker, C. D., Harwell, J., Yacoub, E., Ugurbil, K., Andersson, J., Beckmann, C. F., Jenkinson, M., Smith, S. M., & Van Essen, D. C. (2016). A multi-modal parcellation of human cerebral cortex. Nature (London), 536(7615), 171–178.
[8] Du, J., DiNicola, L. M., Angeli, P. A., Saadon-Grosman, N., Sun, W., Kaiser, S., Ladopoulou, J., Xue, A., Yeo, B. T. T., Eldaief, M. C., & Buckner, R. L. (2024). Organization of the human cerebral cortex estimated within individuals: networks, global topography, and function. Journal of neurophysiology, 131(6), 1014–1082.
[9] Bethlehem, R. A. I., Seidlitz, J., White, S. R., Vogel, J. W., Anderson, K. M., Adler, S., Anagnostou, E., Areces-Gonzalez, A., Auyeung, B., Bae, J., Ball, G., Baron-Cohen, S., Beare, R., Beyer, F., Blangero, J., Boardman, J. P., Bosch-Bayard, J. F., Bourke, N., Calhoun, V. D., … Alexander-Bloch, A. F. (2022). Brain charts for the human lifespan. Nature (London), 604(7906), 525–533.
[10] 吕珊,王银山,刘亚欧,左西年.建立中国人群的全生命周期脑图表[J].中华放射学杂志,2023,57(4):344-347
[11] 左西年.医学影像学技术与脑图表[J].中国医学影像技术,2025,41(8):1447-1453
[12] Zhou, Z.-X., Chen, L.-Z., Milham, M. P., & Zuo, X.-N. (2023). Six cornerstones for translational brain charts. Science Bulletin, 68(8), 795–799.
