近日，腦客中國?科研第222期直播邀請到北京理工大學信息與電子學院長聘教授、博士生導師葉建宏教授，圍繞“跨尺度神經信號融合與腦網絡可塑性：腦機接口在神經精神疾病中的機制解析與閉環調控”展開分享。

葉建宏教授指出，當前全球超34億人受神經系統疾病影響，約10億人遭受精神障礙困擾；國內帕金森病患者超500萬，老年癡呆患者約1700萬。隨著全球疾病挑戰日益凸顯，腦機接口這一前沿技術也被納入國家“十五五”規劃綱要，明確列為戰略未來產業發展方向之一。

腦機接口（BCI）旨在構建大腦與外部設備的直接通信通路，最初為嚴重運動障礙患者建立非肌肉交流與控制通道，現已擴展至精神疾病診療與康復領域。其核心包含兩環節：一是“讀腦”，在強噪聲、弱信號下精準解碼神經電信號；二是“寫腦”，通過電、磁、聲、光等手段定向調控腦網絡。二者結合形成閉環，是BCI干預神經精神疾病的基本路徑。

針對傳統分析方法多聚焦靜態特征的局限，團隊圍繞動態耦合與非線性波形表征開展了系列研究。

1. 動態耦合與因果分析

生理與病理狀態下的神經節律是動態演變的。以帕金森病為例，Beta波并非持續增強，而是呈現“爆發—減弱—再爆發”的動態過程，2020年被定義為“Beta波爆發”（Beta Burst）。同時，不同腦區、核團之間存在信息交互，2022年《Science》創刊45周年社論強調“No neuron is an island”，指出神經元相互影響、形成神經環路。交叉頻率耦合（CFC）是反映神經交流的重要概念，包括相位-幅度耦合（PAC）和幅度-幅度耦合（AAC）。

團隊提出高分辨率動態耦合量化技術，其顯著特色是極大減少虛假耦合，提升狀態識別精度，突破弱信號分析瓶頸；提出變分相幅跨頻率耦合算法與情緒腦圖譜，解釋復雜活動神經調控機制；還提出跨頻率耦合步態調控分析工具，是基于掩模經驗模態分解的跨頻相幅耦合算法，實現目標頻帶成分的有效、精準提取。

2. 非線性波形表征與解碼

在帕金森病研究中，團隊發現健康與疾病嚴重狀態下Beta power能量可能相差不大，真正區分病理狀態的是持續型Beta爆發（Long-lasting Beta Burst）的長短及其非線性度。Beta Burst爆發初期波形尖銳，中后期因神經元群聚放電的相位錯位，局部場電位呈現較高非線性度。這一發現為后續的研究提供了較好的工具和生物標志物，并且是可解釋的。此外，葉教授團隊還提出一種基于深腦電信號的腦狀態解碼方法，監督高度非線性及針對性的腦頻率節律的獲取，進而實現腦狀態的解碼。基于此，相關成果形成論文發表并落地應用。

團隊和臨床合作，將跨頻相幅耦合算法、雙譜分析結合臨床量表評估，輔助閉環腦電刺激靶點定位，已經完成數十例開顱手術病患的驗證。

1. 帕金森病步態障礙的閉環調控

凍結步態（Freezing of Gait）是帕金森病典型中軸癥狀，傳統神經調控效果不盡理想。瑞士洛桑理工團隊提出雙層模塊化閉環解碼器：不僅依賴Beta波，還納入Theta、Gamma等標志物；結合下肢肌電、運動軌跡等外周信息識別行為狀態，因行走、站立、坐下等不同狀態下最優aDBS方案存在差異。UCSF團隊建立步態亞秒級相位閉環反饋，關注步態啟動、轉身等細致轉變，通過調制步態周期相位，顯著改善居家環境下的跌倒頻率和步態對稱性。

團隊研究還發現，易凍結步態期間，STN低β(15-21Hz)頻段功率全面升高，θ(5-8Hz)頻段在腹側STN/SNr局灶性升高，提示STN區低β和θ振蕩可作為FOG易感性的電生理標志物；連續運動期STN的低β爆發仍可檢測，其時間占比可預測運動速度的序列效應。

2. 癲癇

在小兒癲癇領域，團隊利用多尺度非線性動力學分析，可在給藥前通過腦電信號預測患兒對ACTH藥物的反應，測試中達到完全準確；前期腦電信號解碼還可預測治療后是否復發。

3.精神疾病方面

精神疾病包含重度抑郁、雙相、強迫癥、精神分裂、ADHD、PTSD、成癮障礙等，部分使用侵入式BCI，部分使用非侵入式BCI。強迫癥因為機制研究比較透徹，閉環調控相對成熟；情感BCI當前解碼準確率較好，基于環路靶點證據，有條件開展閉環時序調控。

團隊建立了腦心肺多器耦合分析工具。以睡眠為例，研究發現清醒時自主神經將信息傳遞給大腦，過渡階段出現解耦，睡眠階段則轉為大腦調控自主神經系統。團隊建立的心肺耦合心情識別工具獲選頂刊年度精選論文，可用于識別睡眠呼吸暫停等事件。

葉建宏教授總結強調：多模態數據及其交互至關重要；技術創新的核心在于獲取強噪聲弱信號下高動態神經元放電的耦合表征；正確認識神經環路的高動態機制，才能識別病理網絡關鍵節點與干預靶點；最終搭建“讀—算—寫”實時閉環、個體化自適應的腦機接口，是服務臨床的重要方向。

以上為本期直播部分內容，觀看本期及往期完整視頻內容可掃描下方二維碼觀看。

掃描二維碼

觀看完整視頻