近日，脑客中国・科研第222期直播邀请到北京理工大学信息与电子学院长聘教授、博士生导师叶建宏教授，围绕“跨尺度神经信号融合与脑网络可塑性：脑机接口在神经精神疾病中的机制解析与闭环调控”展开分享。

叶建宏教授指出，当前全球超34亿人受神经系统疾病影响，约10亿人遭受精神障碍困扰；国内帕金森病患者超500万，老年痴呆患者约1700万。随着全球疾病挑战日益凸显，脑机接口这一前沿技术也被纳入国家“十五五”规划纲要，明确列为战略未来产业发展方向之一。

脑机接口（BCI）旨在构建大脑与外部设备的直接通信通路，最初为严重运动障碍患者建立非肌肉交流与控制通道，现已扩展至精神疾病诊疗与康复领域。其核心包含两环节：一是“读脑”，在强噪声、弱信号下精准解码神经电信号；二是“写脑”，通过电、磁、声、光等手段定向调控脑网络。二者结合形成闭环，是BCI干预神经精神疾病的基本路径。

针对传统分析方法多聚焦静态特征的局限，团队围绕动态耦合与非线性波形表征开展了系列研究。

1. 动态耦合与因果分析

生理与病理状态下的神经节律是动态演变的。以帕金森病为例，Beta波并非持续增强，而是呈现“爆发—减弱—再爆发”的动态过程，2020年被定义为“Beta波爆发”（Beta Burst）。同时，不同脑区、核团之间存在信息交互，2022年《Science》创刊45周年社论强调“No neuron is an island”，指出神经元相互影响、形成神经环路。交叉频率耦合（CFC）是反映神经交流的重要概念，包括相位-幅度耦合（PAC）和幅度-幅度耦合（AAC）。

团队提出高分辨率动态耦合量化技术，其显著特色是极大减少虚假耦合，提升状态识别精度，突破弱信号分析瓶颈；提出变分相幅跨频率耦合算法与情绪脑图谱，解释复杂活动神经调控机制；还提出跨频率耦合步态调控分析工具，是基于掩模经验模态分解的跨频相幅耦合算法，实现目标频带成分的有效、精准提取。

2. 非线性波形表征与解码

在帕金森病研究中，团队发现健康与疾病严重状态下Beta power能量可能相差不大，真正区分病理状态的是持续型Beta爆发（Long-lasting Beta Burst）的长短及其非线性度。Beta Burst爆发初期波形尖锐，中后期因神经元群聚放电的相位错位，局部场电位呈现较高非线性度。这一发现为后续的研究提供了较好的工具和生物标志物，并且是可解释的。此外，叶教授团队还提出一种基于深脑电信号的脑状态解码方法，监督高度非线性及针对性的脑频率节律的获取，进而实现脑状态的解码。基于此，相关成果形成论文发表并落地应用。

团队和临床合作，将跨频相幅耦合算法、双谱分析结合临床量表评估，辅助闭环脑电刺激靶点定位，已经完成数十例开颅手术病患的验证。

1. 帕金森病步态障碍的闭环调控

冻结步态（Freezing of Gait）是帕金森病典型中轴症状，传统神经调控效果不尽理想。瑞士洛桑理工团队提出双层模块化闭环解码器：不仅依赖Beta波，还纳入Theta、Gamma等标志物；结合下肢肌电、运动轨迹等外周信息识别行为状态，因行走、站立、坐下等不同状态下最优aDBS方案存在差异。UCSF团队建立步态亚秒级相位闭环反馈，关注步态启动、转身等细致转变，通过调制步态周期相位，显著改善居家环境下的跌倒频率和步态对称性。

团队研究还发现，易冻结步态期间，STN低β(15-21Hz)频段功率全面升高，θ(5-8Hz)频段在腹侧STN/SNr局灶性升高，提示STN区低β和θ振荡可作为FOG易感性的电生理标志物；连续运动期STN的低β爆发仍可检测，其时间占比可预测运动速度的序列效应。

2. 癫痫

在小儿癫痫领域，团队利用多尺度非线性动力学分析，可在给药前通过脑电信号预测患儿对ACTH药物的反应，测试中达到完全准确；前期脑电信号解码还可预测治疗后是否复发。

3.精神疾病方面

精神疾病包含重度抑郁、双相、强迫症、精神分裂、ADHD、PTSD、成瘾障碍等，部分使用侵入式BCI，部分使用非侵入式BCI。强迫症因为机制研究比较透彻，闭环调控相对成熟；情感BCI当前解码准确率较好，基于环路靶点证据，有条件开展闭环时序调控。

团队建立了脑心肺多器耦合分析工具。以睡眠为例，研究发现清醒时自主神经将信息传递给大脑，过渡阶段出现解耦，睡眠阶段则转为大脑调控自主神经系统。团队建立的心肺耦合心情识别工具获选顶刊年度精选论文，可用于识别睡眠呼吸暂停等事件。

叶建宏教授总结强调：多模态数据及其交互至关重要；技术创新的核心在于获取强噪声弱信号下高动态神经元放电的耦合表征；正确认识神经环路的高动态机制，才能识别病理网络关键节点与干预靶点；最终搭建“读—算—写”实时闭环、个体化自适应的脑机接口，是服务临床的重要方向。

以上为本期直播部分内容，观看本期及往期完整视频内容可扫描下方二维码观看。

扫描二维码

观看完整视频