ARTICLE · 1285205
脑起搏器的AI时代要来了?!2026年全球MDS大会,天坛医院医生获奖!
很多帕金森患者和家属都听说过脑起搏器，也就是脑深部电刺激，简称 DBS。谈起技术进步，大家关心的往往是这几件事。
这些目标，都离不开一个基础问题：设备能否可靠地获取大脑活动的信息？
北京天坛医院医生尹子霄及其合作团队，正在探索一条新路径：借助人工智能，从大脑皮层记录的信号中，推断深部脑区的活动。这项研究获得 2026 年 MDS 大会青年奖，并列入大会全体会议报告。[1][2]
最近，MDS 官方播客发布了对他的专访。通过这次交流，我们可以看到，自适应 DBS 在走向临床应用的过程中，还有哪些值得解决的问题。
自适应 DBS 的思路，是根据获取的脑信号，调整电刺激。可以把它理解为一个反馈过程：感知大脑状态，判断是否需要调整，再输出刺激。
但“感知”这一环并不轻松。
访谈中，研究者解释，用于输出刺激的电极，还需要记录非常微弱的脑信号。刺激本身产生的干扰，以及患者活动带来的伪影，都可能影响记录质量。现有系统的记录通道也存在限制。
团队因此提出：能否增加一个来自大脑皮层的信息来源，在深部信号受到干扰时，提供补充？[1]
这项研究汇集了柏林、北京和旧金山三个中心的 49 名患者，共 723 小时同步皮层与皮层下记录。
其中既有帕金森病患者，也有肌张力障碍、图雷特综合征患者；记录覆盖运动、睡眠，以及不同药物和刺激状态。
这样的设计，是为了探索皮层信号与深部脑活动之间的联系，在不同条件下是否仍然成立。
研究使用的皮层记录方式叫皮层脑电图，简称 ECoG。它涉及植入式记录，不能直接理解为在头皮贴几个电极，就已经能实现同样的效果。
团队开发了名为 CTXNet 的卷积神经网络，尝试从皮层信号中，估计丘脑底核，也就是 STN 内随时间变化的 β 频段活动。
对患者而言，不必记住这些技术名称。关键在于：研究者希望找到一种方法，让皮层信号提供深部脑状态的线索。[1]
访谈提到，与传统机器学习方法相比，这种神经网络在相关解码任务中的性能提高约 40%。
研究者同时坦言，重建 β 功率与实际 β 功率之间的相关系数约为 0.3—0.5，仍有明显提升空间；对 β 爆发活动的检测准确率约为 70%。
这些结果支持继续探索这条技术路线。目前阶段，研究者将其定位为“概念验证”。
理解创新进展，既要看到性能改善，也要看清指标究竟测量了什么。[1]
团队还进一步使用了去噪扩散概率模型，尝试重建深部脑信号。
为什么要这样做？因为只预测某一个频段，会限制后续分析。如果能够重建更完整的信号，研究者就有机会从中提取不同频段的信息。
访谈还介绍，利用推断信号中的特征预测患者运动评分时，预测值与实际评分的相关性约为 0.7。
但研究者特别区分了两件事：识别不同患者之间的差异，以及追踪同一名患者随时间发生的变化。模型对前一种差异的捕捉更好。
因此，不能仅凭这个相关系数，就认定设备已经能够实时、准确地判断每名患者的症状波动。后续仍需要针对实际使用场景开展验证。[1]
访谈中，研究者认为，相对更接近临床转化的方向，是为深部脑感知提供补充。
这是一个待验证的应用设想，目标是提高系统的稳健性。
更远一些的探索，是利用头皮脑电等侵入性更小的记录方式，为时间干涉刺激、聚焦超声等技术提供反馈信息。
从植入式皮层记录走向其他记录方式，还需要新的研究证据。[1]
我的理解是，算法表现、设备限制和临床需要，必须放在一起评估。一项离线研究取得进展，距离稳定用于患者，还需要完成多个环节。
这次获奖让更多人看到中国医生参与神经调控创新的工作。研究本身的价值，则在于认真处理了一个基础难题：怎样让闭环系统获得更可靠的反馈信息。
至于它最终能否帮助患者获得更好的治疗效果，需要未来的临床验证回答。
点击下方卡片
关注公众号，加入帕友交流群
