Gaussian Process–Based Bayesian Optimization of Lower-Limb PNS–TMS Interstimulus Intervals in Adults and Children: A Proof-of-Concept Toward a Personalized Framework
这项概念验证研究表明,基于高斯过程的贝叶斯优化能够高效地为成年人确定个体化的外周神经电刺激与经颅磁刺激间刺激间隔,以实现下肢运动调节,尽管其在儿童中的有效性目前受限于较高的反应变异性和较低的可预测性。
原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明
人类的大脑是时间的掌控大师。它不仅仅是对世界做出反应,它还在预判世界,将来自身体的感觉信号与来自大脑的指令编织在一起,形成一场精准的、分秒间的舞蹈。当一条腿部的神经向上传递信号,且一个磁脉冲在恰好的时刻击中大脑时,两者可以结合起来,从而增强或减弱肌肉的反应。这种相互作用是被称为“配对刺激”技术的基石,研究人员通过这种技术试图理解神经系统是如何学习和适应的。多年来,科学家一直利用这种方法研究手臂和双手,但腿部仍然是一个谜。腿部的神经更长,路径不同,且让它们协同工作的所需时机可能对每个人都是独特的。如果医生想要使用这些技术来帮助人们从损伤中恢复或管理慢性疼痛,他们首先需要确切知道何时传递第二个脉冲。太早了,信号就会丢失;太晚了,机会之窗就会关闭。问题在于,是否存在一个适用于所有人的完美时刻,还是说大脑的时钟在每个人身上设置得都不一样。
蒙特利尔大学的一组研究人员致力于解决这个难题,他们对健康的成年人和儿童进行了测试。他们想要找到一个精确的时刻,即刺激腿部神经能最有效地增强大脑对足部肌肉的指令。为此,他们使用一台设备向腓总神经发送一个轻微的电脉冲,这条神经沿着腿侧向下延伸,控制着抬起脚部的肌肉。几毫秒后,他们使用一个磁线圈敲击控制这些相同肌肉的大脑部分。通过改变电脉冲与磁性敲击之间的时间间隔,他们可以绘制出腿部肌肉如何响应的图谱。他们为每个人测试了二十六个不同的时间间隔,范围从极短的延迟到较长的延迟,以观察哪种时机能产生最强的反应。他们对十名成年人和八名儿童进行了测试,仔细测量肌肉中的电活动,以观察刺激的组合是使肌肉比平时更活跃还是更不活跃。
结果表明,时机就是一切。在成年人中,反应会根据延迟的变化而发生剧烈变化。当电脉冲在磁性敲击之前不久到来时,肌肉反应通常会下降,仿佛大脑在短暂地抑制信号。但当延迟较长时,反应会变得更强,表明大脑现在正在放大指令。这种模式并非对每个人都一样。虽然整个群体显示出一种普遍趋势,但起作用的最佳特定时刻因人而异。有些成年人需要较短的间隔才能获得最佳增强,而另一些人则需要较长的间隔。研究人员还发现,电脉冲的强度也很重要。当他们使用一种实际上会让脚部移动的更强脉冲时,时机效应是清晰且强烈的。当他们使用一种仅感觉像刺痛的较弱脉冲时,大脑的反应要安静得多,也更难预测。
这项研究在对待儿童时采取了不同的方法。由于实验方案冗长且要求高,儿童只经历了较强的刺激条件,并且进行的每次时机测试重复次数较少。这里的实验结果更为复杂。与成年人一样,儿童的肌肉也会根据时机做出不同的反应,但他们的模式要分散和多变得多。一个孩子可能在特定的延迟下表现出强烈的增强,而另一个孩子在同一时刻几乎没有变化。这表明发育中的儿童神经系统不仅仅是成年人神经系统的缩小版;它运行着自己独特且不断变化的规则。研究人员发现,基于几次测试来预测儿童的最佳时机要困难得多,而成年人的模式则更加平滑且易于建模。
为了理清所有这些数据,研究人员使用了一种名为高斯过程回归(Gaussian process regression)的高级计算机方法。可以将它想象成一种通过杂乱的点集画出一条平滑曲线的聪明方法。该方法不仅仅是看每个时间间隔的平均结果,计算机还学习了每个人的曲线形状,填补了测试时间之间的空白,以预测在任何时刻会发生什么。这使得他们即使在数据有限的情况下,也能看到每个人大脑与腿部相互作用的全貌。然后,他们利用这个模型进行了一次名为贝叶斯优化(Bayesian optimization)的虚拟实验。想象一下尝试寻找一座雾气缭绕的山脉中的最高峰。你可以随机行走,检查每一个点,这会花费很长时间。或者,你可以使用一张随着你每走一步就变得越来越聪明的地图,引导你更高效地走向顶峰。研究人员使用了这种“智能地图”方法,来看看是否可以用比最初进行的完整二十六次测试更少的步骤,就能找到每个人的最佳时机。
研究结果对成年人来说是令人鼓舞的。智能地图方法成功识别了十名成年人中九个人的最佳时机,而且完成的步骤大约只有随机搜索的一半。平均而言,智能方法只需要十次测试就能找到顶峰,而随机猜测通常需要二十次或更多。这表明对于成年人来说,可以快速实现个性化治疗,而不必通过无止尽的试验让患者精疲力竭。然而,同样的方法对儿童的效果较差。虽然它仍能找到一些人的最佳时机,但在处理其他人时却显得吃力,往往需要更多的测试才能达到同样的置信水平。儿童的反应过于多变,以至于计算机无法根据少量的测试进行高度确定的预测。
研究还测试了了解整个群体的平均结果是否能帮助加速新个体的过程。他们尝试以“基于人群的信息”作为初始猜测开始搜索,假设一个新人会表现得像其他人一样。这并没有提供一致的优势。有时会有帮助,但经常没有,在某些情况下甚至没有任何区别。这进一步证实了每个人的神经系统都是独特的,一个“一刀切”的起点并不可靠。研究人员还检查了该程序的安全性与舒适度。电脉冲是轻微的,磁性敲击是无痛的。大多数参与者报告的疼痛或疲劳感非常轻微,他们在实验后的腿部运动能力也没有减弱。有一名儿童提前停止了实验,但仅仅是因为失去了耐心,而非因为任何身体上的不适。
最终,这项工作证明了神经刺激的时机是一个高度个性化的变量。不存在一个适用于所有人的“魔幻时刻”。对于成年人来说,模式足够稳定,可以通过智能的数据驱动方法快速找到适合个人的时机。对于儿童,情况仍然过于模糊,需要更多的研究来理解他们发育中的大脑是如何反应的。这项研究并不声称已经解决了如何治疗神经系统疾病的问题,但它提供了一个至关重要的概念验证。它表明,通过使用先进的模型来实现刺激时机的个性化,我们可以从猜测转向一种更高效、更定制化的方法。这有朝一日可以帮助医生设计出不仅更有效,而且对患者而言更短、负担更轻的疗法,无论对象是成年人还是儿童。前进的道路在于认识到,大脑的时钟是为每个人单独设置的,而读取它的工具终于变得可用了。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。