HUIYING
認(rèn)知衰退機(jī)理
認(rèn)知衰退是一個從主觀認(rèn)知下降(SCD)到輕度認(rèn)知障礙(MCI)乃至阿爾茨海默病(AD)的連續(xù)譜。SCD指個體主觀感受到認(rèn)知功能下降但客觀測驗正常,可能是AD的最早臨床前階段;MCI則存在客觀認(rèn)知損害但日常生活能力保留,是介于正常衰老和癡呆之間的過渡狀態(tài)。研究表明,26.6%的SCD患者會在未來進(jìn)展為MCI,而SCD和MCI均顯著增加轉(zhuǎn)化為AD的風(fēng)險。因此,在疾病早期進(jìn)行干預(yù)對于延緩認(rèn)知衰退、保護(hù)大腦健康至關(guān)重要。
HUIYING
tPBM解決認(rèn)知衰退機(jī)理
經(jīng)顱光生物調(diào)節(jié)(tPBM)利用紅色/近紅外光(600-1100 nm)穿透頭皮和顱骨,作用于大腦皮層神經(jīng)元。其核心機(jī)制是光被線粒體中的細(xì)胞色素c氧化酶吸收,促進(jìn)ATP合成、改善能量代謝;同時可調(diào)節(jié)一氧化氮釋放、增加局部腦血流、減輕炎癥和氧化應(yīng)激,從而增強(qiáng)神經(jīng)元活性和突觸可塑性。這些效應(yīng)可改善記憶、注意和執(zhí)行功能,已被研究證實對SCD和MCI患者有積極效果。本研究采用810 nm和850 nm雙波長、80 mW/cm2功率密度、隨機(jī)頻率脈沖刺激,以優(yōu)化療效。
HUIYING
tPBM治療的同時記錄fNIRS目的何在
在tPBM治療期間同步記錄功能性近紅外光譜(fNIRS)數(shù)據(jù),主要目的是利用治療初期的大腦血液動力學(xué)變化早期預(yù)測患者對tPBM的最終治療響應(yīng)。由于fNIRS可無創(chuàng)監(jiān)測氧合/脫氧血紅蛋白濃度變化,通過分析治療前幾次(如前15次)的功能連接網(wǎng)絡(luò)指標(biāo)(如聚類系數(shù)、度中心性、全局效率),可識別出與遠(yuǎn)期認(rèn)知改善相關(guān)的神經(jīng)生理標(biāo)志物,從而在治療早期篩選出可能無效的患者(非響應(yīng)者),避免無效治療并調(diào)整方案,實現(xiàn)個體化精準(zhǔn)干預(yù)。
HUIYING
tPBM和fNIRS如何結(jié)合解決認(rèn)知衰退
本研究采用了一款自主研發(fā)的可穿戴設(shè)備,該設(shè)備將tPBM治療與fNIRS記錄功能集成于同一裝置(如圖1所示)。該設(shè)備基于商用fNIRS系統(tǒng)(NIRSIT-LITE)改造,將光源波長調(diào)整為810/850 nm、功率密度提升至80 mW/cm2,使其既能發(fā)射治療性光刺激,又能同時采集前額葉15個通道的血液動力學(xué)信號。患者在家中進(jìn)行12周tPBM治療時,每次15分鐘治療均同步記錄fNIRS數(shù)據(jù)。通過分析治療初期多次fNIRS數(shù)據(jù)的圖論指標(biāo)變化,建立預(yù)測模型,在治療早期(約3周內(nèi))識別非響應(yīng)者,從而及時調(diào)整治療策略,提升整體療效。

圖1:集成tPBM與fNIRS的可穿戴設(shè)備示意圖及實物照片
圖1展示了自主研發(fā)的、可同時進(jìn)行tPBM治療和fNIRS記錄的可穿戴設(shè)備。
圖1a:設(shè)備的光源與探測器布局圖。共5個光源(紅色方塊)和7個探測器(灰色圓形),相鄰光源?探測器間距3 cm,形成15個fNIRS測量通道(藍(lán)色數(shù)字),覆蓋雙側(cè)前額葉皮層。光源發(fā)射810 nm和850 nm雙波長近紅外光,功率密度80 mW/cm2,在tPBM模式下以32?64 Hz隨機(jī)頻率方波脈沖輸出(50%占空比),確保治療能量密度達(dá)36 J/cm2;在fNIRS模式下以8.138 Hz采樣率連續(xù)采集血液動力學(xué)信號。
圖1b:設(shè)備內(nèi)部結(jié)構(gòu)照片,可見電池、控制電路及光學(xué)元件布局。
圖1c:設(shè)備佩戴時的俯視圖,體現(xiàn)其輕便、貼合頭部的設(shè)計,適合居家使用。
圖1的核心意義在于說明:tPBM與fNIRS可共享同一套近紅外光源,實現(xiàn)治療與監(jiān)測的無縫集成,為后續(xù)早期預(yù)測治療響應(yīng)提供了硬件基礎(chǔ)。
HUIYING
臨床研究
研究方法
參與者與分組:共招募81名60歲以上認(rèn)知下降患者(K-MMSE評分20-28)。其中60人接受12周居家tPBM干預(yù)(實驗組),21人作為對照組不接受干預(yù)。最終,43名實驗組和19名對照組完成認(rèn)知評估。根據(jù)治療后全球認(rèn)知評分變化(ΔGCS = 治療后GCS - 治療前GCS),將實驗組中ΔGCS ≥ 0.5者定義為響應(yīng)者(22人),ΔGCS < 0.5者為非響應(yīng)者(21人)。由于fNIRS信號質(zhì)量,最終29人(14名響應(yīng)者,15名非響應(yīng)者)納入fNIRS分析(排除流程見補(bǔ)充圖1)。參與者人口學(xué)特征見表1,各組除ΔGCS外無顯著差異(補(bǔ)充圖2顯示響應(yīng)者ΔGCS顯著高于非響應(yīng)者和對照組)。
干預(yù)與數(shù)據(jù)采集:使用集成tPBM與fNIRS的可穿戴設(shè)備(圖1),每次治療15分鐘,頻率由患者自定,至少完成20次。fNIRS數(shù)據(jù)采樣率8.138 Hz,記錄前額葉15通道氧合(HbO)、脫氧(HbR)和總血紅蛋白(HbT)濃度變化。治療前后進(jìn)行9項認(rèn)知測試,計算GCS。
fNIRS預(yù)處理與分析:對原始光強(qiáng)數(shù)據(jù)應(yīng)用修正比爾-朗伯定律得到ΔHbO、ΔHbR、ΔHbT;采用小波濾波去除運動偽影,0.01-0.09 Hz帶通濾波去除生理噪聲;選取10-890秒穩(wěn)定段進(jìn)行分析。對每位患者前15次治療的數(shù)據(jù)(代表前3周)進(jìn)行功能連接分析(皮爾遜相關(guān)),以閾值0.4-0.9構(gòu)建二值化鄰接矩陣,計算圖論指標(biāo):聚類系數(shù)(CC)、度中心性(DC)、全局效率(GE)。將15次數(shù)據(jù)分為5個階段(Period 1~5,每階段3次)并平均,以Period 1為基線,計算各階段指標(biāo)變化量(ΔPeriod 2~5)。通過重復(fù)測量方差分析(rmANOVA)確定各指標(biāo)最佳閾值(對應(yīng)最低p值)。
預(yù)測模型構(gòu)建:將各階段圖論指標(biāo)變化量與ΔGCS進(jìn)行線性回歸,篩選出顯著相關(guān)指標(biāo)(p<0.05)作為生物標(biāo)志物(表2)。以預(yù)測ΔGCS < 0.35為標(biāo)準(zhǔn)分類非響應(yīng)者(該閾值由經(jīng)驗確定)。采用留一法交叉驗證(LOSO-CV)驗證模型泛化性,每折獨立優(yōu)化閾值并選擇p<0.1的指標(biāo)建模,通過多數(shù)投票或硬投票機(jī)制分類。
研究結(jié)果
tPBM療效:響應(yīng)者ΔGCS顯著高于非響應(yīng)者和對照組(p<0.001),非響應(yīng)者與對照組無顯著差異,證明tPBM有效。治療次數(shù)與ΔGCS無相關(guān)(p=0.492,圖2),排除次數(shù)干擾。

圖2:tPBM治療次數(shù)與ΔGCS的相關(guān)性散點圖
圖2旨在檢驗tPBM治療次數(shù)是否影響認(rèn)知改善程度,從而排除治療頻率差異對分組結(jié)果的干擾。橫軸為每位實驗組參與者在12周內(nèi)完成的tPBM治療次數(shù),縱軸為ΔGCS。線性回歸結(jié)果顯示兩者無顯著相關(guān)(p=0.4923,R2極低),表明ΔGCS的變化并非由治療次數(shù)的多寡驅(qū)動,而是取決于個體對tPBM的內(nèi)在響應(yīng)性。這一結(jié)果支持了后續(xù)利用fNIRS數(shù)據(jù)預(yù)測響應(yīng)性的合理性——即預(yù)測模型的差異反映的是生物學(xué)特征而非治療劑量差異。
圖論指標(biāo)與ΔGCS相關(guān)性:多個圖論指標(biāo)在Period 3~5與ΔGCS呈顯著負(fù)相關(guān)(表2,圖3):
Period 3:HbT的GE(R2=0.1596,p<0.05)
Period 4:HbO的CC(R2=0.2286,p<0.01)、HbR的CC(R2=0.1944,p<0.05)
Period 5:HbO的CC(R2=0.1737,p<0.05)、HbR的CC(R2=0.1667,p<0.05)、HbO的DC(R2=0.1625,p<0.05) 這些負(fù)相關(guān)表明,認(rèn)知改善伴隨著前額葉功能連接網(wǎng)絡(luò)的下降。

圖3:ΔGCS與關(guān)鍵圖論指標(biāo)變化的相關(guān)性及非響應(yīng)者預(yù)測
圖3包含六個子圖(a?f),分別展示了在Period 3、4、5中與ΔGCS呈顯著負(fù)相關(guān)的圖論指標(biāo)變化(Δ指標(biāo) = 該階段平均值減Period 1基線值),以及基于這些指標(biāo)的線性回歸模型對非響應(yīng)者的預(yù)測結(jié)果。
圖3a:Period 3中ΔHbT的全局效率(GE)變化與ΔGCS的關(guān)系(R2=0.1596,p<0.05)。
圖3b、c:Period 4中ΔHbO和ΔHbR的聚類系數(shù)(CC)變化(R2=0.2286,p<0.01;R2=0.1944,p<0.05)。
圖3d、e、f:Period 5中ΔHbO的CC(R2=0.1737,p<0.05)、ΔHbR的CC(R2=0.1667,p<0.05)和ΔHbO的度中心性(DC)變化(R2=0.1625,p<0.05)。每個子圖中,垂直虛線為預(yù)測非響應(yīng)者的閾值(ΔGCS預(yù)測值=0.35),水平虛線為實際ΔGCS=0.5的分組線。品紅色圓點代表被模型預(yù)測為非響應(yīng)者的個體,其編號標(biāo)于點旁。位于右下象限(預(yù)測ΔGCS<0.35且實際ΔGCS<0.5)的個體是正確識別的非響應(yīng)者。從圖中可統(tǒng)計出:共13人被預(yù)測為非響應(yīng)者,其中11人實際為非響應(yīng)者,僅2人錯分(實際為響應(yīng)者)。這些負(fù)相關(guān)表明,認(rèn)知改善越明顯(ΔGCS越大),治療早期功能連接網(wǎng)絡(luò)指標(biāo)下降越顯著,提示tPBM可能通過解除病理性過度補(bǔ)償機(jī)制發(fā)揮療效。
非響應(yīng)者預(yù)測性能:基于上述指標(biāo),通過線性回歸預(yù)測ΔGCS,以0.35為閾值,13人被預(yù)測為非響應(yīng)者,其中11人實際為非響應(yīng)者(圖3中右下象限點)。模型整體準(zhǔn)確率79.31%,敏感度73.33%,特異性85.71%,AUC=0.810(圖4a)。

圖4:非響應(yīng)者預(yù)測的ROC曲線
圖4展示了基于圖4中多個顯著指標(biāo)的線性回歸組合模型對非響應(yīng)者的分類效能。
圖4a:使用全部29人數(shù)據(jù)建立的模型,以預(yù)測ΔGCS<0.35為標(biāo)準(zhǔn),得到的ROC曲線下面積(AUC)為0.810,紅色圓點對應(yīng)閾值0.35時的敏感度(73.33%)和特異性(85.71%)。
圖4b:采用留一法交叉驗證(LOSO?CV)重復(fù)29次得到的平均ROC曲線,AUC為0.767,相同閾值下敏感度73.33%、特異性78.57%。兩圖對比表明,模型在全樣本和交叉驗證中均保持較高且穩(wěn)定的預(yù)測能力,證實了所選圖論指標(biāo)的泛化性。ROC曲線接近左上角,提示該方法有望在臨床中早期篩選tPBM非響應(yīng)者。
HUIYING
總結(jié)
本研究首次將tPBM與fNIRS集成于可穿戴設(shè)備,利用治療早期同步記錄的靜息態(tài)fNIRS數(shù)據(jù),結(jié)合圖論網(wǎng)絡(luò)分析,成功預(yù)測了老年人認(rèn)知衰退患者對tPBM的治療響應(yīng)性。研究發(fā)現(xiàn),響應(yīng)者在治療早期表現(xiàn)為前額葉功能連接網(wǎng)絡(luò)指標(biāo)下降,這可能反映了病理性過度補(bǔ)償?shù)慕獬?strong>療效的早期神經(jīng)生理標(biāo)志物。基于此建立的預(yù)測模型能在治療前3周內(nèi)識別非響應(yīng)者(敏感度73.33%,特異性78.57%),為個體化治療提供了可行策略。研究的創(chuàng)新性在于實現(xiàn)了治療與監(jiān)測一體化,并提出了早期篩選非響應(yīng)者的新方法。局限性包括樣本量較小、居家數(shù)據(jù)質(zhì)量不一、缺乏假刺激對照等。未來需擴(kuò)大樣本、納入多中心數(shù)據(jù),并探索動態(tài)調(diào)整刺激參數(shù)(如強(qiáng)度、頻率)對非響應(yīng)者的轉(zhuǎn)化效果,以推動精準(zhǔn)神經(jīng)調(diào)控在認(rèn)知衰退干預(yù)中的臨床應(yīng)用。在認(rèn)知衰退的病理狀態(tài)下,大腦會啟動一種“過度補(bǔ)償”機(jī)制,“過度補(bǔ)償”機(jī)制是大腦在神經(jīng)功能受損時啟動的一種病理適應(yīng)性反應(yīng):當(dāng)特定腦區(qū)(如與記憶相關(guān)的內(nèi)嗅皮層)因β-淀粉樣蛋白沉積或代謝障礙而功能減退時,前額葉等儲備區(qū)域會異常增強(qiáng)神經(jīng)活動和功能連接,試圖通過“加班加點”來彌補(bǔ)受損區(qū)域的認(rèn)知負(fù)荷,這在圖論指標(biāo)上表現(xiàn)為聚類系數(shù)(CC)和度中心性(DC)的異常升高。然而,這種代償是“費力而不高效”的——如同一個團(tuán)隊為彌補(bǔ)核心成員的缺位而被迫建立冗余的溝通渠道,雖能勉強(qiáng)維持運轉(zhuǎn),卻消耗了額外能量,且掩蓋了潛在的病理狀態(tài)。當(dāng)有效的tPBM治療修復(fù)了受損神經(jīng)元的線粒體功能和能量代謝后,原本“被迫加班”的區(qū)域得以卸下代償負(fù)擔(dān),回歸至更節(jié)能、更高效的基線連接模式,從而在宏觀層面表現(xiàn)為CC、DC、全局效率(GE)的下降。因此,治療響應(yīng)者早期網(wǎng)絡(luò)指標(biāo)的“回落”,反映的正是這種病理補(bǔ)償機(jī)制的解除,也是大腦從“費力維持”向“健康常態(tài)”轉(zhuǎn)變的關(guān)鍵標(biāo)志。
-
醫(yī)療電子
+關(guān)注
關(guān)注
31文章
1440瀏覽量
92170 -
SCD
+關(guān)注
關(guān)注
0文章
10瀏覽量
10439
發(fā)布評論請先 登錄
基于STRAIGHT算法的個性化語音生成方法
靶向治療和伴隨診斷是個性化醫(yī)療時代的兩個重要工具
基于AGENT的個性化智能導(dǎo)學(xué)系統(tǒng)設(shè)計
思派利用人工智能破解個性化醫(yī)療難題,輔助醫(yī)生治療病患
用人工智能個性化治療_讓醫(yī)學(xué)診斷更準(zhǔn)確
個性化定制與柔性生產(chǎn)概念不同
基于器官芯片的個性化醫(yī)療技術(shù)
個性化廣告推薦系統(tǒng)設(shè)計方案及應(yīng)用
基于人類學(xué)習(xí)的網(wǎng)絡(luò)咨詢閱讀個性化模型
中科大提出:LLMs的個性化綜述,詳述大模型與個性化的挑戰(zhàn)與機(jī)遇
CryptoAuthentication個性化指南
大規(guī)模個性化定制研究綜述!
激光打標(biāo)機(jī):精準(zhǔn)定位,實現(xiàn)個性化標(biāo)識需求
如何基于tPBM個性化地實現(xiàn)認(rèn)知衰退的干預(yù)治療
評論