In silico optimization of deep brain stimulation to enhance cognitive control: Improving performance and practicality with a continuous rolling arena

对于一些患有严重、难治性精神疾病的患者来说，大脑自身的神经回路似乎陷入了痛苦的死循环，药物无法将其打破。在这些病例中，医生有时会求助于一种被称为深部脑刺激（DBS）的程序，即在脑部深处植入微小的电极，向特定区域发送温和的电脉冲。其中一个目标区域是位于大脑中心附近的腹侧纹状体和腹侧内囊，它在调节我们的思想和情绪方面发挥着作用。虽然这项疗法具有巨大的前景，但寻找设备的最佳设置在传统上是一个缓慢且令人沮丧的过程。医生必须依赖患者在每次调整后描述自己的感受，这种方法具有主观性，且可能需要数周甚至数月才能达到理想状态。核心挑战在于大脑非常复杂，而最佳设置并不显而易见；它们必须通过仔细、重复的测试来发现。

一项新研究探索了一种加速这一发现过程的方法，即让大脑自身行为在实时过程中引导调整。研究人员不再等待患者说自己感觉好转，而是提出了一种系统，通过观察一个人在刺激开启时执行一项心理任务的速度和准确性来进行评估。他们专注于一种特定的认知控制任务，这是一种需要人们忽略干扰信息并专注于目标的心理练习。其核心理念是，如果电脉冲对大脑有所帮助，那么此人的任务完成速度会更快，错误也会更少。通过直接测量这些反应时间，该系统可以立即判断哪些电极设置效果最好，哪些效果较差，而无需依赖猜测或等待主观报告。

为了测试这个想法，研究人员并没有从人类患者开始，而是构建了一个正在接受此类疗法的患者的详细计算机模拟模型。他们创建了一个虚拟环境，可以在其中运行数千次试验，以观察不同的计算机程序如何处理寻找最佳设置的过程。在模拟中，他们将这种新方法与传统的尝试根据数据推测大脑内部状态的方法进行了对比。这种新方法被称为“连续滚动竞技场”（continuous rolling arena），它完全跳过了猜测环节。它直接提取患者反应的原始速度，并将其输入到一个自适应算法中——这是一个旨在从经验中学习的智能计算机程序。该程序将寻找最佳电极接触点的过程视为一场游戏，程序必须选择正确的门来开启，通过每一次点击进行学习，以避免错误的门，并尽可能快地找到正确的门。

模拟结果显示，这种直接方法比旧的、更复杂的方法要可靠得多。当研究人员试图从数据中估算大脑的隐藏状态时，系统会被测量中的自然噪声所干扰，从而导致判断错误。通过移除那个中间步骤并仅关注原始反应时间，该系统避免了放大这些噪声。在模拟实验中，这种改变将选择正确电极设置的失败率从接近三分之一降低到了约十分之一。此外，通过保持测试的连续性而非每天重置，系统能够建立更强大的历史记录，使其即使在患者病情在一次会话期间发生意外变化时，也能迅速恢复。

该研究还解决了一个实际问题：大多数设备都有许多电极接触点，但逐一测试所有接触点会耗时过长。研究人员引入了一种机制，允许系统一次只专注于一小组接触点，从而在不损失准确性的情况下有效地缩小搜索范围。在测试中，这种方法成功地在八个不同接触点中找到了最佳设置，而每次仅积极测试其中的四个。这种规模化处理使得该过程能够高效运行，符合现实世界医疗硬件的限制。研究结果表明，基于这些原则构建的系统最终可以让医生在极短的时间内完成这些设备的编程，而无需使用专门且昂贵的设备，只需使用标准的行为任务即可。这项工作证明，通过直接倾听大脑的表现信号并移除不必要的解释层，可以为个性化脑部治疗创造出一条更稳健、更实用的路径。