《SCIENCE ADVANCES》：At-home movement state classification using totally implantable cortical-basal ganglia neural interface
编辑推荐：
为解决帕金森病（PD）患者步态障碍治疗难题，研究人员利用双向神经刺激器（INS）与可穿戴设备（WD），首次实现居家环境下基于皮质-基底节神经信号的步态状态分类，构建了个性化生物标志物与闭环自适应刺激（aDBS）框架，推动脑机接口（BCI）临床转化。
帕金森病患者常因“冻结步态”等严重症状，在拥挤街道或狭窄空间突然“卡住”，成为跌倒和致残的主要诱因。传统实验室脑机接口（BCI）研究受限于短时任务、设备束缚及人工环境，难以捕捉真实步态特征。更棘手的是，常规深部脑刺激（DBS）采用固定参数，无法根据行走/静息状态动态调整——优化步态的60Hz刺激可能削弱肢体症状控制，而130Hz常规参数对步态改善有限。这种“治疗矛盾”亟需能识别自然行为状态的智能神经调控方案。
为此，加州大学旧金山分校团队在《SCIENCE ADVANCES》发表研究，首次利用完全植入式双向神经刺激器（Summit RC+S）实现人类居家步态状态分类。通过同步记录4名PD患者80余小时运动皮质（M1/PM）与苍白球（GP）神经信号，结合踝部可穿戴加速度计（WD）数据，构建了个性化光谱生物标志物。关键突破在于：这些标志物可驱动设备内置线性判别分类器（LDA）实时识别步态，为闭环自适应刺激（aDBS）奠定技术基础。
研究关键技术包括：植入Summit RC+S设备记录皮质-基底节信号；使用Rover可穿戴设备（WD）标注居家步态；信号对齐与10秒分段分析；随机森林（RF）筛选关键频率特征；线性判别分析（LDA）构建分类模型；模拟设备约束下（≤4个特征）闭环性能验证。受试者为4名帕金森病患者（62-68岁），均存在步态功能障碍。
患者特征与电极定位：4名PD患者（2男2女）植入双向刺激器，电极覆盖M1/PM皮质与GP核团，通过影像重建验证定位精度（图2B）。
可穿戴设备验证步态标注：踝部WD识别步行/非步行状态的准确率达95.8%-99.0%（图3B），为居家数据提供可靠标签。
居家神经-运动数据同步：累计分析84.5小时同步信号，发现步行期M1的α（8-13Hz）/β（13-30Hz）功率显著降低，GP低频（δ/θ）活动升高（图4C），提示运动状态特异性神经调制。
个性化生物标志物识别：通过分析1-50Hz全频段特征，发现GP的δ/θ/β频段对步态分类贡献最大（图5A）。LDA模型显示GP单区域分类效能优异（AUC 0.86-0.98），部分患者需结合M1信号提升性能。
设备嵌入式分类验证：模拟Summit RC+S硬件约束（≤4特征），居家数据训练模型在实验室验证中AUC达0.63-0.87（图6A），证明完全植入式步态解码可行性。
该研究首次构建“居家神经信号采集-个性化标志物筛选-设备嵌入式分类”全流程框架，突破实验室BCI局限。M1的α/β去同步化与GP低频同步化被证实为步态核心特征，其平衡可能解释“运动启动”（β抑制解除制动）与“姿势维持”（δ/θ激活肌群）的神经机制。相较于依赖外部传感器的方案，全植入系统通过直接解码神经活动，避免穿戴负担与信号延迟，尤其适合识别冻结步态等快速变化状态。尽管当前仅实现步行/非步行二元分类，但为多状态解码（如冻结、跌倒风险）奠定基础。研究同时揭示GP相较于STN（丘脑底核）在步态解码中的优势：GP信号更“纯净”（较少混杂认知/情绪活动），且临床更常用于伴认知障碍的PD患者。未来需扩大样本验证标志物普适性，但本研究已为PD及其他运动障碍疾病（如肌张力障碍、脊髓损伤）的个性化神经调控开辟新路径。
