Inferring the internal functional organization of peripheral nerves for selective electrical stimulation
本文介绍了 INFORM，这是一个通过植入后的校准数据来重建周围神经内部功能结构的计算平台，从而能够在无需直接获知患者特定神经解剖学知识的情况下，实现神经假体选择性电刺激方案的优化。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
当一个人遭受严重的脊髓损伤或中风时，原本从大脑传向肌肉的电信号可能会被切断或阻断，导致肢体瘫痪。为了帮助恢复运动，医生和工程师开发了通过向手臂中剩余的健康神经直接传递微小的电脉冲来绕过损伤的系统。这些脉冲充当人工指令，告诉特定的肌肉收缩并移动手部或手指。然而，为了使这一过程有效运行，刺激必须具有精确性。神经并非单根导线，而是一个包含数千根微小纤维的复杂束状结构，每根纤维都携带着前往不同肌肉的指令。如果电流过于宽泛，就会激活错误的肌肉，导致手部在应该张开时闭合，或者发生不受控制的抽搐。成功的关键在于准确了解这些纤维在神经内部是如何排列的，并仅针对实现特定运动所需的纤维进行刺激。
多年来，研究人员一直依赖计算机模型来设计这些电模式，但这些模型需要一份完美的神经内部布局图。而在活体患者身上，获取这样一份地图是不可能的。标准的医学影像可以显示神经束的大小和形状，但无法揭示其中哪些特定纤维控制拇指，哪些控制食指。由于缺乏这些知识，医生必须猜测最佳设置，这是一个缓慢且往往令人沮挫的过程，充满了试错，很难达到实现自然运动所需的完美选择性。这种已知信息与所需信息之间的差距，长期以来限制了这些改变生活的设备的效果。
一支研究团队现在提出了一种填补这一差距的新方法，他们称之为 INFORM。与其试图用照相机或扫描仪去观察肉眼不可见的纤维排列，他们的做法是倾听神经对电力的反应。该系统通过在神经的不同点施加一系列微小的电流，并记录哪些肌肉产生了反应以及反应强度如何。这些反应形成了一个独特的特征，就像指纹一样，揭示了隐藏的纤维组织结构。研究人员利用一个复杂的计算机程序分析这些特征，以重建神经的功能布局图。他们不需要预先知道确切的解剖结构；系统通过将观察到的肌肉反应与模拟模型进行匹配，从而推断出控制肌肉的纤维位置。
为了测试这个想法是否可行，该团队利用模拟人类复杂结构的虚拟神经进行了数千次详细的计算机模拟。他们创建了一些已知内部纤维排列的情景，然后要求他们的系统仅使用电反应数据来推导出这些排列。结果非常准确。系统成功定位了负责不同肌肉的纤维簇，精度达到了不到半毫米。虽然这些簇的精确扩散范围或“模糊度”较难确定，但其中心位置已足够清晰且具有实用价值。更重要的是，当研究人员使用这些推断出的地图来设计新的电刺激模式时，结果几乎与使用完美的、已知的地图时一样好。由推断地图控制的设备可以高度选择性地隔离特定肌肉，避免了经常困扰现有疗法的邻近肌肉误激活问题。
研究人员还在困难条件下测试了该系统，模拟了神经物理结构可能与计算机预期略有不同的情况，例如神经在体内发生位移或变形。即使存在这些不确定性，该方法依然表现良好。推断出的地图仍能用于创建有效的刺激方案，尽管在最极端的变形场景下，精度略有下降。这表明，该系统并不需要一个完美的解剖蓝图即可运行；它只需要一个足够接近以引导电流到达正确位置的功能性表征。这项研究证实，电力的施加位置与哪个肌肉运动之间的关系，包含了逆向工程推导神经内部组织结构的足够信息。
这项工作代表了神经假体开发方式的一次重大转变。目前，调试这些设备是一项手动、经验性的任务，因人而异，且往往效果欠佳。INFORM 框架提供了一条通往自动化的路径，即设备可以在植入后不久通过运行一系列快速测试，然后立即生成个性化的、具有高选择性的刺激方案。虽然这些发现目前仅限于计算机模拟，尚未在活体人类身上进行测试，但它们为新一代神经接口提供了强大的理论基础。通过将标准的校准数据转化为详细的功能地图，这种方法可以大幅缩短设置这些设备所需的时间，并提高其恢复的运动质量，让我们离瘫痪患者能够重新获得对手部精细、自然的控制能力的未来更近一步。
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。