预测人类硬膜外电刺激下的神经肌肉表现：第一阶段试验的中期结果

摘要

背景

硬膜外电刺激（EES）已成为恢复瘫痪患者运动功能的一种有前景的疗法。这种疗法面临的主要挑战在于，在众多刺激参数中为不同的运动方式确定可行的参数组合，因为目前对刺激与相应神经肌肉表现之间的精确关系了解有限。我们的目标是开发一个计算框架，该框架能够预测EES下的神经肌肉表现，从而减少在临床中进行大量参数搜索的需要。

方法

我们在两名患有完全性脊髓损伤的受试者体内植入了专门设计的32触点硬膜外接口，并根据医学影像重建了个性化的脊柱解剖结构。通过将有限元模拟和轴突募集模型与机器学习相结合，建立了刺激参数与肌肉反应之间的预测映射关系。随后应用了一种降维贝叶斯优化算法来识别针对特定运动目标的紧凑刺激参数组合，并通过临床测试验证了所选配置的有效性。本研究是一项正在进行的注册临床试验（Closed-loop Functional Spinal Cord Stimulation in Patients with Spinal Cord Injury，ClinicalTrials.gov标识符：NCT04969042）的中期报告，该试验由北京PINS Medical Co., Ltd.资助。

结果

我们开发的32触点硬膜外神经接口使两名脊髓损伤患者恢复了下肢运动功能。混合预测模型与实验测量的肌肉反应具有很强的定量一致性（均方误差=0.0096）。算法指导的参数推荐方案（包含180种配置）在四个功能指标上的表现均优于历史数据集（1,602种配置）和传统的双极刺激设置。临床验证进一步证实，记录的肌肉激活情况与模型预测结果高度吻合。

结论

这种基于人工智能的计算框架可以作为一种可靠且可行的工具，用于评估和推荐有效的EES参数。通过将解剖建模与功能结果相结合，该方法为优化神经调节疗法以及为脊髓损伤患者制定个性化治疗策略提供了实用途径。