基于皮层振荡的帕金森状态闭环控制研究

Deep brain stimulation (DBS) is an efficient therapy for a variety of neurodegenerative disorders, such as Parkinson’s disease. Closed-loop DBS works by responding the variation of neural activities in real-time and then providing adaptive stimulation signal, such that the individualized stimulation is realized. However, how to construct closed-loop DBS is a challenging subject. This project proposes an idea of using cortical oscillation activities to reflect the variation of Parkinsonian clinical state, and the aim is to solve the difficulty in selecting the feedback signal for closed-loop DBS. The combined experiment data analysis and computational modeling methods are used in this project. Analyze the relationship between Parkinsonian state and cortical oscillation activities, between beta band (13-30Hz) oscillations of the basal ganglia and cortical oscillation activities, and between DBS parameters and cortical oscillation activities. Construct the cortex-basal ganglia-thalamus network model to describe above relations, and explore the cortical oscillation features which can reflect the variation of Parkinsonian state and quantify the performance of DBS. Based on the constructed computational model, use the obtained cortical oscillation feature as feedback signal to create the closed-loop DBS. This project will promote new insights into the Parkinsonian pathology and closed-loop DBS design from the perspective of cortex oscillation.

深度脑刺激（DBS）是治疗帕金森等神经系统变性疾病的一种有效方法。闭环DBS通过实时响应神经活动的变化，自适应地调节刺激信号，实现“个体化”刺激。但是，如何构建闭环DBS是一个挑战性课题。本项目提出一种利用皮层振荡活动反映帕金森临床状态变化的思路，用来解决闭环DBS中难以选取合适反馈信号的问题。项目采用实验数据分析和数学建模相结合的方法。分析帕金森状态与皮层振荡活动间的关系，基底核beta频段（13-30Hz）振荡与皮层振荡活动间的关系，DBS参数与皮层振荡活动间的关系；构建基底核-丘脑-皮层网络数学模型刻画上述关系，寻找能够反映帕金森状态变化、衡量DBS作用效果的皮层振荡活动特征；基于构建的模型，将得到的皮层振荡活动特征作为反馈，构建闭环DBS。本项目从皮层振荡的角度对帕金森病理和闭环DBS构建方法提出了新的见解。

深部脑刺激（DBS）手术在过去30中取得了长足发展，成为功能外科手术治疗中晚期帕金森患者的主要手段。随着帕金森患者数目增多，DBS手术也会增多，这将助推智能DBS程控策略的发展，特别是能够进行自我优化的闭环DBS的发展。实现个体化的闭环DBS必须解决两个关键科学问题：挖掘临床可记录的生理信号特征以实时解码临床状态，结合控制理论思想设计具有个体特异性的闭环控制算法。. 本项目通过对单侧帕金森大鼠黑质网状部多电极阵列记录数据和皮层M1区域螺钉记录数据进行预处理和特征提取，得到可以刻画从正常状态到帕金森状态变化的数据特征（神经元放电速率、核团振荡功率）；结合当前实验研究和本项目生理数据分析结果，构建皮层-基底核-丘脑回路生理模型，模型包括8个神经核团，能够复现正常和帕金森状态对应的基底核核团放电速率、放电模式、振荡活动变化及皮层区域振荡活动变化；调节模型参数模拟帕金森状态演进过程和不同DBS参数作用下网络振荡活动的变化，得到帕金森状态与基底核区域13-35Hz频段异常振荡活动相关，与皮层区域18-23Hz和21-26Hz频段异常振荡活动相关；最后，采用不同振荡活动功率作为生物标记物，结合运动状态对振荡活动调控的研究结果，提出选取动态变化的功率值作为参考信号，比较传统比例-积分控制、模糊逻辑控制及预测和模糊控制相结合的三种算法作用效果，论证了预测和模糊结合的优势，采用FPGA硬件平台、STM32刺激器和matlab算法设计搭建闭环DBS预临床仿真平台。. 本项目在执行过程中与山东省立医院神经内科建立了密切合作关系，采集了50例帕金森患者临床运动状态数据，后期拟结合多模态生理和运动数据，更精准评估临床状态。项目在动物模型、数据分析建模及个体化调控方面取得重要进展，并为后续研究规划了方向。