出租车司机更不容易死于阿尔茨海默病？一篇BMJ研究，把“认路”这件小事推到了医学前台

会认路，可能真是在“锻炼大脑”

这是一项很容易让人先笑一下、再认真起来的研究。

BMJ（《英国医学杂志》）在 2024 年 12 月发表的一项美国人群横断面研究，分析了 2020 到 2022 年近 900 万份带有职业信息的死亡记录，结果相当醒目：在 443 个职业中，出租车司机和救护车司机死于阿尔茨海默病的比例最低。出租车司机的这一比例是 1.03%，救护车司机更低，只有 0.74%。在校正年龄、性别、种族、族裔和教育程度后，这两个职业依然排在最末端——也就是“最不容易因阿尔茨海默病死亡”的位置。

如果你对这个结论有种“怎么又是出租车司机”的熟悉感，那不是错觉。二十多年前，伦敦出租车司机就因为一个经典神经科学研究出圈过：他们为了通过出名苛刻的“Knowledge”考试，需要背下伦敦复杂街道网络，研究者发现，这类长期导航训练与海马体功能和结构变化有关。海马体恰好又是阿尔茨海默病最早被波及的重要脑区之一。于是这次 BMJ 的研究，像是把当年的神经影像线索，推进到了更大样本、更现实世界的死亡数据里。

说得更直白一点：每天在城市里穿梭、不断根据实时路况重新规划路线，可能不只是职业技能，也是在反复给大脑做“空间健身”。

为什么偏偏是出租车和救护车，不是所有司机？

这项研究最有意思的地方，不在于“司机”这个身份，而在于研究者刻意区分了不同类型的驾驶工作。

他们选中的核心职业是出租车司机，以及“救护车司机和随车员（不包括急救技术员）”。两者有个共同点：路线不固定，目的地变化快，路况压力大，常常要在实时环境中做空间判断。换句话说，这不是机械地沿着既定线路开，而是持续调动方向感、路线记忆、位置更新和即时决策。

为了避免把“凡是开车都算导航训练”这种偷懒解释带偏，研究者还拿了几类交通职业做对照：公交司机、飞行员、船长。这些职业当然也在移动，但很多时候依赖预设航线、固定线路或高度程序化的路径管理，实时空间探索的强度没那么高。结果也很有戏剧性：公交司机死于阿尔茨海默病的比例是 3.11%，飞行员 4.57%，船长 2.79%，都没有表现出和出租车、救护车司机类似的低值。

这就让“空间导航负荷”这个解释，显得比“交通行业的人都一样”更站得住脚。

更关键的是，研究者还做了一个反向验证：他们看了其他类型的痴呆，比如血管性痴呆和未特指痴呆，发现这种低死亡占比的现象并没有同步出现。如果一个职业对所有痴呆都普遍更低，那你会怀疑是不是有别的混杂因素，比如职业筛选、收入结构、生活方式、医保可及性。但现在偏偏更集中地出现在阿尔茨海默病上，这至少让“海马体相关机制”听起来不只是浪漫想象。

这件事为什么重要：因为阿尔茨海默病，还没有真正的“解法”

阿尔茨海默病是一个让现代医学相当头疼的疾病。过去 30 年，相关死亡人数持续上升，全球老龄化还在把这个问题越推越大。药物研发不是没有进展，但整体上仍谈不上轻松乐观：有些新药能在特定阶段延缓疾病进展，却伴随高成本、适用人群有限、风险管理复杂等现实门槛。与其说我们已经找到了答案，不如说我们刚刚摸到题干。

也因此，任何有关“预防”或“风险降低”的线索，都会引起格外高的关注。问题在于，过去很多防治建议都太笼统：多运动、控制三高、保持社交、保证睡眠、学习新技能。这些都没错，但对于普通人来说，它们经常像体检报告里的健康口号——谁都知道重要，谁都很难具体执行。

这篇研究的价值，在于它把“空间导航训练”这个相对具体、可操作的认知活动重新提了出来。它提醒我们，大脑刺激不是一个抽象词。记路线、做路径规划、建立脑内地图，可能是一类被低估的认知负荷。今天的数字生活恰恰在悄悄削弱这种能力：导航 App 告诉你每一步怎么走，语音提示负责方向，连“东南西北”都快被很多人外包给手机了。

这也是我觉得这篇文章最有时代感的地方。它不是在赞美某个职业，而是在无意间戳中了一个技术社会的悖论：我们越依赖工具，大脑某些原本需要频繁调用的能力，可能越少有出场机会。方便当然是文明进步，但太方便之后，认知系统会不会“用进废退”，这是个越来越真实的问题。

先别急着把导航关了：这不是因果证明，更像一张藏宝图

当然，记者看到这种研究，第一反应不该是“原来多开车防老年痴呆”，那就太轻率了。

这项研究本质上是横断面观察研究，用的是死亡证明数据。它能告诉我们相关性很强，但不能证明因果。比如，能长期从事出租车或救护车驾驶的人，是否本来就具备更强的空间能力？这种“先天或早期能力更强的人更容易进入并留在这个职业”的可能性，并没有被完全排除。换句话说，也许不是工作塑造了大脑，而是某些大脑特征影响了职业选择。

另一个问题是，死亡证明并不是完美的疾病数据库。阿尔茨海默病在临床和死因记录中的识别率，本来就可能受诊断条件、家庭报告、地区医疗资源影响。研究已经尽可能做了校正，也做了多轮敏感性分析，但这类大样本研究的底色，依然是“非常有启发，但不能过度演绎”。

还有一点很现实：出租车司机和救护车司机的工作并不轻松。长工时、压力、久坐、轮班、空气污染暴露、心血管风险，这些都是真实存在的职业健康问题。如果最后得出的公众理解变成“去开出租有助于预防阿尔茨海默病”，那就完全跑偏了。真正值得提炼的，不是职业本身，而是职业背后那种高频、主动、复杂的空间认知训练。

所以更合理的问题应该是：有没有可能把这种训练抽取出来，做成普通人也能接触到的干预方式？比如面向中老年人的导航型认知训练、真实城市行走任务、空间记忆游戏，甚至结合 AR 眼镜、车机系统或城市步行应用，把“认路”重新变成一种日常脑力活动，而不是完全交给算法托管。

从伦敦出租车到今天的AI导航，我们可能丢掉了什么

如果把这项研究放在更长的技术史里看，它其实有点像一封写给智能导航时代的提醒信。

过去，认路是一项生活基本功。你得记地标、判断方向、推演捷径、估计时间。今天，导航软件几乎把这些工作全部自动化了。它让出行效率更高、陌生城市更友好，也让新司机、新骑手迅速上手。但与此同时，人开始越来越少主动构建空间地图。我们知道“下一步左转”，却未必知道自己到底在城市的哪里。

科技产品的逻辑一向是减少认知负担，这本身没有错。搜索引擎让人少背知识，外卖让人少记餐馆位置，短视频让人少花精力筛选内容，导航让人少操心路线。可当一切都变得“零摩擦”，人脑那些原本在摩擦中形成的能力，也可能随之沉睡。阿尔茨海默病研究因此变得不只是医学话题，也和产品设计、数字生活方式、甚至城市出行体验有关。

我甚至觉得，这给科技公司提了个有趣但不轻松的问题：未来的智能导航，能不能不只是替你做决定，也顺手帮你锻炼认知？比如在安全前提下，引导用户建立区域认知，而不是永远只输出一步一步的机械指令。类似“学习模式”“地标记忆模式”“轻提示模式”这样的设计，听起来很小，但长期看，也许比又多快了 30 秒到达更有价值。

医学研究有时最迷人的地方，就在这里：它看似在统计死亡，实际上照见的是我们如何生活、如何使用技术、如何把大脑交给机器。

出租车司机和救护车司机这次站到了聚光灯下，不是因为他们掌握了什么神秘抗病秘诀，而是因为他们的日常工作，可能无意中保留了现代人越来越少使用的一种能力——在真实世界里，靠自己找到路。