加州大学旧金山分校的研究人员开发了一种利用深部脑刺激和人工智能改善帕金森病患者行走能力的新方法。
深部脑刺激(DBS)使用植入式设备向大脑特定区域发送电信号。在人工智能(AI)的帮助下，研究人员开发了首个步态表现测量方法，并根据每位患者的需要微调电脉冲，从而在不加重其他症状的情况下显著改善了行走能力。
医学博士、哲学博士多里斯·王(Doris Wang)是加州大学旧金山分校神经外科副教授，专攻包括帕金森病在内的运动障碍疾病。她与加州大学旧金山分校博士后研究员哈米德·费克里·阿兹戈米(Hamid Fekri Azgomi)共同领导了这项由美国国立卫生研究院(NIH)支持的研究团队。她解释了这项研究及其对患者的意义。
什么是深部脑刺激(DBS)？
DBS使用植入式设备。这是通过微创手术完成的。我在颅骨上钻两个非常小的孔，然后插入非常细的导线或电极，它们的大小相当于天使发细面条，非常柔软。这些导线从头部侧面一直延伸到皮下的胸部。在胸部，这些导线连接到一个电脉冲发生器。你可以把它想象成大脑的起搏器。
DBS如何对帕金森病起作用？
在帕金森病中，大脑基底节区域多巴胺神经元的破坏导致各种运动问题，包括"帕金森步态"。患病者走路时往往会拖着脚走，在转弯时会走很多小步。他们的左右脚步长也不同，有些患者会原地冻结不动。
这些症状经常导致跌倒。这些行走问题反映了他们脑电波模式的变化，使他们更难改变自己的动作。DBS通过改变这些模式起作用。
帕金森病患者的步态或行走问题传统上是如何治疗的？
在帕金森病患者的主要症状中，步态问题相当难以治疗。最严重的步态障碍类型很难通过药物或DBS治疗。尽管我们使用持续高频DBS来治疗震颤和运动迟缓及僵硬，但它对步态效果不佳。
这启发我思考不同的脑部刺激方法，通过改变DBS模拟对步态的刺激时机和能量输出量。这就是我们研究的动机。
你们如何利用DBS帮助改善步态，以及如何调整刺激？
我们的研究从两个不同角度观察步态——一个是临床角度，另一个是神经生理学角度。
从临床角度看，我们想知道如何量化良好的步态或有效的步态与不良步态。然后，我们如何调整不同的刺激参数来改变患者的步态指标。
从神经生理学角度看，我们想弄清楚这些优化步态的刺激参数对脑活动的共同影响是什么。
通过使用可穿戴运动传感器和脑刺激电极，研究人员记录帕金森病患者在一系列练习中如何行走。通过分析腿部摆动、手臂运动和行走速度等特征，团队可以表征每个人的步态。研究团队随后使用AI算法系统地识别个人特定的DBS配置，旨在增强他们的步态功能。
你们如何确定改善步态的最佳DBS设置？
对每位患者，我们必须确定他们在常规DBS设置下的基线水平，以及如何通过改变DBS设置使他们的步态变得更好或更差。然后我们让他们走圈，同时我们持续传输他们的神经数据和步态力学。
我们开发了一个行走表现指数(Walking Performance Index)，这是一套全面但又易于量化的测量指标，表明一个人是否真的行走得更好。我们包含了四个区分帕金森病步态与健康受试者的特征，包括手臂摆动幅度、步速、步长变异性以及步态对称性。
人工智能如何帮助？
从这些会话中，我们收集数据并使用机器学习来识别改善每位患者步态的DBS设置。AI帮助预测可能对不同患者最佳的设置。我们发现，对一些患者来说，非常高的频率对他们的步态更好。对其他人来说，较低的频率效果最好。因此，并非每个人的优化步态设置都相同。
从这项研究的神经生理学角度观察获得了什么？
通过研究DBS如何影响大脑皮层的运动网络，我们识别了与改善行走表现相关的脑电波，这可以在未来进一步指导编程。
对于研究中的参与者，这项研究对他们意味着什么？研究的未来前景如何？
每位患者的个性化设置导致了行走方面的显著改善，例如更快、更稳定的步伐，且不会加重其他症状。我们正在积极开发一种适应性或闭环DBS算法，患者在行走时切换到此优化步态设置，而在所有其他运动状态下保持标准DBS。我们希望这能显著改善帕金森病患者的步态症状，最终提高他们的行动能力并减少跌倒。
由加州大学旧金山分校提供
【全文结束】
