《Medical Care》：Predicting rehabilitation outcomes of unilateral stroke after brain-computer interface training based on magnetic resonance imaging data
编辑推荐：
本综述系统探讨了利用功能磁共振成像（fMRI）数据预测单侧脑卒中患者脑机接口（BCI）康复效果的新策略。研究通过整合临床指标与神经影像学特征，构建了针对左右偏瘫群体的机器学习预测模型，结果显示基于影像数据的模型分类准确率达100%、预测R2>0.94，显著优于单纯临床数据模型（准确率<80%）。该研究为个体化康复方案优化提供了神经影像学依据，凸显了fMRI在精准康复医疗中的临床应用潜力。
研究背景与意义
脑卒中作为全球致残第二大原因，每年导致超7000万人丧失独立生活能力。脑机接口技术通过建立大脑与外部设备的直接通信通路，在卒中后上肢运动功能康复中展现出显著优势。然而，患者康复效果的个体差异给BCI康复方案的个性化制定带来挑战。本研究首次将fMRI数据与临床评估相结合，构建针对单侧偏瘫患者的预后预测模型。
研究方法设计
研究纳入北京清华长庚医院40例单侧偏瘫卒中患者（左半球损伤22例，右半球损伤18例），所有患者在接受常规康复训练基础上进行为期4周的BCI手功能训练。训练采用16导联脑电采集设备，通过运动想象任务触发外骨骼辅助手部动作。研究采集患者 demographics、病程、Fugl-Meyer上肢评估（FMA-UE）等临床数据，以及3.0T磁共振扫描获得的fMRI和扩散张量成像（DTI）数据。
关键技术创新
研究创新性地按偏瘫侧别分组建模，分别构建临床数据集、影像数据集和联合数据集。影像特征提取包括功能连接网络属性（局部效率、介数中心性等）和DTI参数（各向异性分数等）。采用留一交叉验证（LOOCV）评估逻辑回归和最优子集回归模型的性能。
核心研究发现
分类模型结果显示：基于影像数据的模型对左右偏瘫组的分类准确率均达100%，显著优于临床数据模型（左66.7%，右77.3%）。预测模型表现更为突出，影像数据模型的R2值左组0.9410、右组0.9523，联合数据集模型进一步提升至0.9533。值得注意的是，左右偏瘫组的预测模型涉及不同脑区：左偏瘫模型关键预测脑区为右背外侧额上回（R4）和小脑区域，右偏瘫模型则涉及左眶额上回（L25）和小脑蚓部（L113）等区域。
临床价值验证
研究发现失语症是重要的临床预测因子，但fMRI数据显示出更强的预测稳健性。治疗前后脑功能对比显示，左偏瘫患者左额中回（L35）/右梭状回（R36）区域变化最显著，右偏瘫患者则主要涉及左颞中回（L67）/右颞下回（R90）区域。这些变化与运动功能改善密切相关，证实了神经可塑性在康复过程中的作用。
应用前景与局限
本研究建立的预测模型为BCI康复效果评估提供了量化工具，特别是通过揭示左右半球损伤后不同的神经重组模式，为个体化康复方案制定提供了新思路。研究局限性包括样本量较小、单中心设计等，未来需要通过多中心大样本研究进一步验证模型的普适性。
结论与展望
本研究证实fMRI数据在预测BCI康复效果方面具有显著优势，开发的预测模型能准确区分康复应答者与非应答者，为卒中康复的精准医疗实践提供了重要技术支撑。神经影像学与人工智能技术的结合，有望推动卒中康复进入个体化、精准化的新阶段。
