數字療法（DTx）機理

數字療法（DTx）是一種基于軟件的治療干預，通過循證的醫學方案預防、管理或治療疾病。本文中的DTx是一款專為ADHD兒童設計的平板電腦游戲，其核心機理包括：

認知訓練任務：游戲包含三種任務類型——打蛋、數字和水果。這些任務要求兒童在時間壓力下快速辨別目標并作出點擊反應，同時抑制對非目標刺激的反應（Go/No-go范式）。這種設計旨在訓練持續注意力和反應抑制，即ADHD的核心缺陷。

自適應難度：游戲根據兒童的行為表現（準確率、反應時）動態調整關卡難度，確保訓練始終處于“適度挑戰”區間，從而維持參與度和學習效果。

游戲化激勵：通過場景變化（沙漠、城鎮等）、視覺和聽覺獎勵，提高兒童的內在動機和長期堅持性。

HUIYING

神經反饋（Neurofeedback, NFb）機理

神經反饋是一種腦機接口技術，通過實時監測大腦活動并將特定腦電特征以視覺/聽覺形式反饋給用戶，幫助其學會自我調節腦功能。本文中的NFb機理如下：

實時腦電采集：兒童佩戴單通道額葉EEG設備（如圖1a），設備采集前額葉皮層（與注意力密切相關）的腦電信號。

特征提取：系統每秒計算兩個關鍵指標——注意力指數（基于個體化β波功率）和運動指數（基于EMG信號，用于檢測大動作）。

反饋機制：

視覺負反饋：當注意力指數低于基線80%時，屏幕背景顏色飽和度降低（如圖1c），提示兒童注意力下降。

正反饋：當注意力指數持續高于基線150%達3秒時，游戲角色播放視聽獎勵效果。

動作暫停：當運動指數超過基線300%持續3秒時，游戲暫停并提示減少身體移動。

圖1：神經反饋數字療法系統示意圖

圖1通過四個子圖完整呈現了本研究所使用的神經反饋數字療法系統：圖1a展示了輕便的單通道EEG頭戴設備，佩戴于兒童前額，用于實時采集腦電信號；圖1b呈現了平板電腦中的游戲界面，背景為沙漠或城鎮場景，兒童需完成打蛋、數字等認知任務；圖1c通過對比正常畫面與低飽和度（變灰）畫面，直觀說明了當注意力下降時游戲背景顏色發生變化的視覺負反饋機制；圖1d的流程圖系統展示了從靜息態基線采集、實時EEG信號處理（計算注意力指數和運動指數）、閾值判斷到游戲反饋（正/負反饋、暫停）的完整閉環調控過程。圖1共同構成了神經自適應數字療法的硬件基礎、交互形式、反饋示例和系統邏輯，為理解整個干預機制提供了清晰的可視化框架。

HUIYING

基于NFb + DTx對ADHD的干預治療概述

本研究將NFb與DTx深度融合，形成一種神經自適應數字療法，其干預流程如圖1d所示：

靜息態基線采集：兒童靜坐2分鐘，系統計算個體化α峰值頻率（iAPF）和基線注意力/運動指數。

游戲訓練階段：兒童進行三種任務游戲，同時EEG實時監測注意力狀態。

實時閉環調控：

當注意力高時，游戲給予正強化（獎勵動畫），鼓勵維持專注。

當注意力低時，游戲環境變灰，引導兒童重新聚焦。

當動作過大時，游戲暫停，提醒減少身體活動。

這種閉環設計使得干預不再單純依賴行為表現，而是直接基于大腦狀態進行個性化調整，從而實現更精準、更及時的注意力訓練。

HUIYING

NFb中腦電特征值及其計算與量化

個體化α峰值頻率（iAPF）的計算

個體化α峰值頻率（iAPF）是定義個體β頻帶的基礎，通過靜息態2分鐘EEG數據計算得到。其計算公式如下：

其中：

f為頻率（7–14 Hz范圍）

S(f) 為對應頻率的功率譜密度

iAPF反映了個體α節律的中心頻率，是高度穩定的神經特征，用于后續個性化頻帶劃分。在2分鐘靜息態采集期間，兒童注視屏幕中央十字，系統同時計算該時段內注意力指數和運動指數的基線平均值，作為后續實時反饋的參照基準。

注意力指數（Attention Index）的計算

注意力指數基于個體化β波頻帶（iBeta） 的實時功率譜密度。iBeta頻帶定義為：

下限 = 1.3×iAPF1.3×iAPF

上限 = 3.0×iAPF3.0×iAPF

這一范圍覆蓋了與注意力密切相關的β波段，同時考慮了個體差異。實時計算采用2秒滑動窗口（步長1秒），對每個窗口計算iBeta頻帶內的功率譜密度，得到每秒鐘的注意力指數原始值（單位：μV2/Hz）。

注意力指數的量化（0–100）及其對游戲畫面的控制

論文中并未直接給出注意力指數到0–100的線性映射公式，而是采用與基線值的相對比例作為反饋控制的依據：

基線值：靜息態2分鐘內所有窗口注意力指數的平均值。

實時相對比例：

該比例Ratt是一個連續的實數，理論上可在0到無窮大之間，但實際訓練中通常落在0.5–2.0范圍內。系統利用Ratt直接驅動兩類反饋：

視覺負反饋（連續調節）：當Ratt<0.8時，屏幕背景顏色的飽和度被設置為Ratt乘以基準飽和度（即實時/基線比例）。例如，若Ratt=0.6，飽和度降為正常的60%，屏幕呈現灰暗效果（如圖1c所示）。這種連續調節讓兒童能直觀感知注意力的細微波動。

正反饋（離散事件）：當Ratt>1.5并持續3秒以上，游戲觸發視聽獎勵（如角色歡呼、金幣音效），強化專注狀態。

雖然未顯式定義0–100評分，但若需要將RattRatt映射到0–100，可預設一個合理范圍（例如將0.5倍基線對應0分，2.0倍基線對應100分），線性插值得到整數評分。但本研究僅使用閾值和連續比例進行實時調控，未進行額外的數值映射。

運動指數（Movement Index）的計算及其對游戲畫面的控制

運動指數用于檢測大幅身體動作，基于EMG信號功率計算：

其中：

分子為40–125 Hz頻段（去除48–52 Hz工頻干擾）的功率

分母為4–125 Hz頻段（去除工頻）的總功率

該比值反映了高頻肌電活動在總功率中的占比，數值越大表示身體運動越劇烈。同樣，從靜息態2分鐘數據中計算出運動指數的基線平均值。

實時控制邏輯：

計算實時運動指數相對比例：Rmove=實時運動指數/基線運動指數

當Rmove>3.0并持續3秒時，游戲畫面暫停，并彈出文字提示“請減少身體移動”，直至Rmove回落至閾值以下才恢復游戲。

運動指數主要用于離散的暫停控制，不涉及連續量化到0–100，也不調節游戲畫面屬性，僅在超標時觸發中斷。

總結：神經反饋系統通過計算實時注意力指數與基線的比例Ratt，連續調節屏幕飽和度（如圖1c），并在高專注時給予正強化；同時利用運動指數比例Rmove監測大幅動作，超標時暫停游戲。整個閉環流程如圖1d所示，實現了基于腦狀態的實時自適應訓練。

HUIYING

臨床研究

研究方法

參與者：共74名6–12歲ADHD兒童（IQ≥70，未服藥），隨機分為神經反饋組（NFb，n=37）和無神經反饋組（n-NFb，n=37）。兩組基線特征無顯著差異（見表1）。

干預方案：4周居家訓練，每天25分鐘，每周5天。NFb組游戲受EEG信號實時調控，n-NFb組僅記錄EEG但游戲無反饋。

評估工具：

客觀注意力：Test of Variables of Attention（TOVA），主要指標為注意力表現指數（API）。

家長報告：SNAP-IV量表（注意缺陷、多動/沖動維度）。

游戲內表現：各任務的準確率和反應時。

EEG分析：每日平均注意力指數隨訓練天數的變化趨勢。

研究結果

TOVA結果（圖2）

兩組干預后API均顯著提高（主效應 p<0.001p<0.001），但NFb組整體高于n-NFb組（組間效應 p=0.045p=0.045）。

基線校正后，NFb組后測API顯著優于n-NFb組（p=0.010p=0.010，ηp2=0.091ηp2=0.091）。

NFb組78.3%的兒童API提高，n-NFb組為59.5%。

圖2：兩組干預前后行為與認知表現對比

圖2通過五個子圖全面展示了神經反饋組（NFb）與無神經反饋組（n-NFb）在干預前后的表現差異：圖2a顯示兩組在TOVA注意力表現指數（API）上均有提升，但NFb組改善幅度更顯著；圖2b展示NFb組78.3%的兒童API評分提高，高于n-NFb組的59.5%；圖2c和圖2d分別呈現目標試次（需反應）的準確率和反應時變化，NFb組在“打蛋任務”中準確率顯著高于對照組，兩組反應時均顯著縮短；圖2e展示非目標試次（需抑制）的準確率變化，NFb組在“打蛋”和“水果”任務中的抑制準確率顯著更高。誤差棒表示標準誤，統計顯著性標記（*p < 0.05, **p < 0.01, ***p < 0.001）表明神經反饋組在多個指標上表現出更優的干預效果，尤其在需要快速反應和抑制控制的任務中優勢明顯。

SNAP-IV結果

兩組在“注意缺陷”維度均有顯著改善（p=0.042p=0.042），但組間無顯著差異。

“多動/沖動”維度未見顯著變化。

游戲內表現

目標試次（需反應）：NFb組在“打蛋任務”中準確率顯著高于n-NFb組（p<0.001p<0.001），反應時均縮短。

非目標試次（需抑制）：NFb組在“打蛋”和“水果”任務中抑制準確率顯著更高（p<0.05p<0.05），顯示神經反饋對抑制控制的促進作用。

EEG分析（圖3）

NFb組注意力指數隨訓練天數顯著上升（R2=0.619R2=0.619，p<0.001p<0.001），表明神經反饋訓練增強了注意力水平。

n-NFb組無明顯變化（R2=0.082R2=0.082，p=0.22p=0.22），兩組相關性差異顯著（Z=2.983Z=2.983，p=0.001p=0.001）。

圖3：兩組注意力指數隨訓練天數的線性回歸對比

圖3展示了神經反饋組（NFb）與無神經反饋組（n-NFb）在20天訓練期間注意力指數的變化趨勢：NFb組（左圖）的注意力指數隨訓練天數增加呈顯著上升趨勢（R2=0.619，p<0.001），表明神經反饋訓練有效提升了兒童的實時注意力水平；而n-NFb組（右圖）的注意力指數變化平緩，無統計學意義（R2=0.082，p=0.22）。圖中散點代表每日組內平均注意力指數（相對于基線的標準化值），誤差棒表示標準誤（SEM），實線為線性回歸趨勢線，虛線為95%置信區間。兩組相關性經Fisher‘s z檢驗差異顯著（Z=2.983，p=0.001），為神經反饋的有效性提供了直接的神經生理學證據。

HUIYING

總結

本研究首次證實，將單通道EEG神經反饋整合進視頻游戲數字療法，能顯著提升ADHD兒童的注意力表現，尤其在需要快速反應和抑制控制的任務中效果突出。主要結論如下：

神經反饋增強效應：相比單純行為適應，實時腦電反饋帶來了更顯著的客觀注意力改善（TOVA）和腦電指標提升（注意力指數）。

個體化頻帶設計：基于iAPF的個體β波定義，考慮了兒童腦電的異質性，提高了神經反饋的精準性。

便攜性與可行性：單通道EEG設備成本低、易操作，適合家庭場景，為ADHD的非藥物干預提供了可擴展的新方案。

盡管存在樣本局限（男性為主、未用藥兒童）、干預期短等不足，本研究為神經自適應數字療法在兒童精神健康領域的應用奠定了重要基礎。未來可結合多通道EEG、機器學習算法，實現更精細的閉環調控，并探索長期療效及日常功能遷移。