《Current Opinion in Electrochemistry》：Electrochemical Impedance Spectroscopy for Characterizing Neural Electrodes
编辑推荐：
本综述系统梳理了电化学阻抗谱（EIS）在神经刺激领域过去25年的应用与发展，重点阐述了其在监测电极-组织界面变化、评估电极材料性能（如SIROF、Pt、PEDOT:PSS）以及指导安全电荷注入限值（μC/cm2）方面的核心价值。文章强调了从单一频率（如1 kHz）测量转向宽频带谱分析结合误差结构评估和物理化学模型拟合的重要性，并展望了EIS与机器学习结合在闭环神经调控中的前景。
电化学阻抗谱：窥探神经电极界面的窗口
在神经科学与神经工程领域，安全有效地与神经系统进行电交互是核心挑战。电化学阻抗谱（EIS）作为一种非侵入性的表征技术，在过去二十五年中已成为评估神经电极性能不可或缺的工具。它通过施加小幅正弦电位或电流扰动并测量系统的响应，能够在一个宽频率范围内揭示电极-电解质或电极-组织界面发生的复杂电化学过程，包括电荷转移、双电层充电、物质扩散以及组织反应等。
1. 引言
EIS的基本原理在于测量系统在不同频率下的阻抗，即对交流电的阻碍作用。阻抗是一个复数，包含实部（电阻）和虚部（电抗），能够全面反映界面的阻性和容性特性。在神经接口研究中，EIS的早期应用可追溯到20世纪60年代，Adey等人利用慢性植入的电极研究猫脑组织的电生理特性。随后，Rose和Robblee以及McCreery等人的开创性工作，为铂电极建立了安全的电荷注入限值，这是防止组织损伤和有害法拉第反应（如水电解析）的关键参数。Shannon则在McCreery工作的基础上，进一步为宏观电极制定了基于电流流动原理和损伤机制的安全刺激水平。
当电极极化超过安全限值时，会增加电极降解、胶质瘢痕形成和高阻抗的风险，从而降低刺激和记录的功效。Grill和Mortimer的研究表明，封装组织会显著增加植入物周围组织的电阻率和阻抗。神经信号在细胞外基质和细胞周隙中的传播主要是电阻性的，信号随距离线性衰减，而非产生相移。因此，植入后电极阻抗的升高通常归因于电极阵列周围纤维封装组织的形成。为了改善神经植入物的长期稳定性、减少组织封装并维持低阻抗，研究人员发展了多种策略，包括电极微型化（如直径<10 μm的超微电极）、开发高电荷注入容量和低阻抗的新材料（如金、铂、溅射铱氧化物薄膜SIROF、钛 nitride TiN、溅射钌氧化物 RuOx以及导电聚合物PEDOT:PSS等），以及电极复苏技术。例如，Cogan等人表明SIROF涂层的电荷注入容量随膜厚增加而增加。Otto等人则证明，对慢性植入的微电极施加数秒的大电压脉冲可以进行“复苏”，使信噪比翻倍，并将1 kHz阻抗降低60%以上，其机制可能与降低界面处组织成分的电阻性影响有关。
2. 电化学阻抗谱测量
EIS测量可在体外（in vitro）或体内（in vivo）进行。体外研究通常采用三电极体系（工作电极、对电极、参比电极），在模拟生理环境的电解质（如磷酸盐缓冲盐水PBS、人工脑脊液ACSF）中进行，以表征电极材料的基本电化学性质。典型的扰动幅度为10 mV（均方根值），频率范围覆盖从低频（如10 mHz，用于研究扩散过程）到高频（如100 kHz，用于表征界面电容和溶液电阻）。体内研究则更复杂，常在动物模型（如大鼠、猫、非人灵长类）或人类患者中进行，以监测植入后电极-组织界面的长期变化。体内测量多采用两电极配置（将参比电极和对电极合二为一），以简化植入系统，但也有一些研究使用三电极配置以获得更精确的界面电位控制。
一个关键的、却常被忽视的环节是测量系统的验证。电缆、连接器和植入物本身的引线会引入寄生电容和电感，从而干扰阻抗测量结果。准确性等值线图（ACP）是评估特定仪器设置下可用阻抗和频率范围的重要工具。研究表明，仅凭仪器厂商提供的ACP是不够的，必须使用与研究系统相同的电缆和连接器进行实测。例如，将高密度超微电极阵列通过连接硬件连接到恒电位仪后，在空气中以及浸入PBS溶液后，可靠的测量范围会显著缩小。
3. 神经科学中EIS的初步应用：调查与评述
尽管EIS功能强大，但在神经刺激研究的许多应用中，其使用仍处于较为初级的阶段。一个普遍的做法是仅报告单一频率（通常是1 kHz，因其与神经动作电位和刺激脉冲的时程相关）下的阻抗幅值，用于快速监测电极状态。然而，这种单点测量无法捕捉跨越多个数量级频率的丰富信息，因而无法解析界面上的各种物理化学过程，如电荷转移电阻、双电层电容、扩散效应以及组织封装的影响。
此外，神经科学领域的EIS研究普遍缺乏对误差结构的定量分析以及基于Kramers-Kronig关系的测量数据一致性检验。后者是检验系统是否满足线性、因果性和稳定性的重要手段。绝大多数已发表的研究（如列表所示）未进行此类分析。有效的EIS数据分析不仅需要测量，更需要使用数学模型进行回归拟合。Agarwal等人开发的测量模型是一种Kramers-Kronig一致的模型，可用于阻抗数据的误差分析和参数提取。Lutz等人曾利用此模型分析了SIROF微电极的阻抗谱。恰当的回归加权对于获得具有统计学意义的参数至关重要。
在数据解释方面，等效电路模型被广泛使用，但存在模型不唯一的问题。常相位元件（CPE）常被用来模拟由表面不均匀性等因素引起的非理想电容行为。然而，许多研究仅报告CPE参数本身，而未将其转化为有物理意义的电容值或与表面粗糙度等性质关联。Randles电路及其变体（包含Warburg扩散元件等）也常被用于拟合阻抗谱。O‘Sullivan等人为慢性颅内电极建立了过程模型，并解释了长期植入过程中CPE参数和电阻的变化。总之，完善的神经电极阻抗分析应包括：全频谱测量、误差结构分析、Kramers-Kronig一致性检验、适当的回归加权以及拟合到有物理化学意义的解释模型。
4. 主要最新进展：改进神经刺激的阻抗分析
近年来，EIS在神经刺激领域的应用正从单纯的监测工具向深入表征方法演进，主要体现在以下几个方面：
4.1. 宽频率范围/改进的解释模型
近期研究更注重在更宽的频率范围内进行测量，并发展更能反映界面化学和物理过程的解释模型。例如，Lutz等人利用测量模型量化了SIROF微电极阻抗谱的频率依赖性误差结构，并基于de Levie模型建立了考虑铱氧化态变化和多孔电极行为的解释模型。Sehlmeyer等人为人工耳蜗植入电极引入了改进模型，用非线性的、频率依赖的极化电容和电阻取代了简单的电容，更好地捕捉了传统模型遗漏的频率依赖性行为。Sridhar等人则关注到在高振幅刺激下，电极-组织界面呈现非线性，关键参数如电荷转移电阻（Rct）和双电层电容（Cdl）不再恒定，而是依赖于扰动幅度。
4.2. 准确性等值线图
随着高密度神经刺激电极阵列的发展，寄生电容和仪器限制的影响日益凸显。Ghazavi等人量化了绝缘层厚度、引线对超微电极阵列高频阻抗和电荷注入容量的影响。Dong等人则通过准确性等值线图明确了高密度超微电极阵列的可靠测量频率范围。这些工作强调了在解释高频阻抗数据时，必须考虑测量系统本身带来的影响。
4.3. 电极复苏
基于Otto等人早期的发现，利用电刺激进行电极“复苏”以恢复其性能的研究受到更多关注。O’Sullivan等人的最新工作表明，对慢性植入的宏观电极施加短暂的直流或低频交流电压脉冲，可以可靠且重复地降低阻抗。这种“电复苏”方法的优势在于无需改变电极设计或引入新材料，效果虽是暂时的，但可通过重复刺激会话来维持，为长期植入电极的性能维持提供了实用策略。目前，复苏的具体机制尚不完全清楚。
4.4. 阻抗用于监测
EIS正成为实时监测电极性能、长期稳定性和组织反应的有力工具。Maeng等人证实了SIROF微电极在高频刺激下的安全性。Niaraki等人利用石墨烯生物传感器在体外实时监测神经细胞的阻抗变化，显示出高灵敏度和生物相容性。Shah等人证明，对实时阻抗测量进行等效电路分析，可以比传统显微镜成像更早地揭示神经干细胞分化的不同阶段（如细胞粘附和细胞间连接的变化）。Park等人将傅里叶变换EIS与快速扫描循环伏安法结合，用于追踪电极表面的随时间变化，发现阻抗增加可能与活性表面积减少导致的电容下降有关。
4.5. 机器学习
机器学习（ML）正被用于增强神经刺激电极阻抗的分析和解释。例如，卷积神经网络（CNN）和深度神经网络（DNN）已被用于对EIS谱进行预拟合，识别主导的等效电路元件并为回归提供优化的初始值，以克服传统复杂非线性最小二乘（CNLS）回归对初始值敏感的缺点。Yi等人利用随机森林等ML模型预测神经刺激诱导的组织损伤，其准确性优于传统的Shannon方程。Straka等人使用支持向量机（SVM）对阻抗谱进行分类，并将其与特定的物理变化和失效模式（如电极尖端降解、封装退化或引线断裂）相关联。也有研究探索使用多层感知器（MLP）等机器学习代理模型来预测电刺激下的神经纤维激活。需要注意的是，ML模型的“黑箱”特性可能使其难以泛化或评估其鲁棒性，且其性能高度依赖于训练数据的质量和代表性。等效电路模型乃至物理化学模型本身的不唯一性，也要求ML应用需以物理意义为指导。
5. 结论与展望
EIS是评估神经接口不可或缺的工具，能提供电极-组织界面化学和物理过程的重要信息。有意义的阻抗解读需要遵循最佳实践，包括使用Kramers-Kronig关系进行测量验证、量化随机误差结构以及报告估计参数的置信区间和回归统计量。展望未来，对神经电极阻抗测量、表征技术和数据解读的统一标准需求日益迫切。将物理模型与机器学习相结合的混合方法前景广阔。最终，将阻抗监测嵌入闭环神经刺激设备中，使其作为电极完整性和组织健康的生物标志物，从而实现刺激参数的自适应调整，是EIS技术发展的终极愿景之一。
