虚拟现实增强型脑电图（EEG）生物反馈在焦虑治疗中的有效性：一项数字健康干预措施的分析

《Cogent Psychology》：The efficacy of virtual reality-enhanced EEG biofeedback in anxiety treatment: analysis of a digital health intervention

焦虑症治疗中，整合EEG生物反馈与虚拟现实（VR）的冥想疗法（MT-EB）显示有效性，89例患者接受H-EBM（家庭便携式设备）和VR-EBM（临床沉浸式环境）干预，SAS评分显著下降（p<0.05），但HAMA和EEG生物反馈指标无显著组间差异。LSTM网络通过分析患者实时EEG数据动态优化VR场景，验证了个性化治疗的可行性，但需更多数据验证其优于传统方案的优越性。

　　该研究探讨了将正念冥想与脑电图（EEG）生物反馈结合的治疗方法（MT-EB）在焦虑障碍治疗中的有效性，并进一步研究了如何利用长短期记忆（LSTM）网络通过EEG数据实现个性化的冥想场景选择。研究涉及89名患者，他们接受了基于便携式EEG设备、虚拟现实（VR）眼镜和Android平台的治疗方案，包括家庭基于EEG生物反馈的冥想（H-EBM）和虚拟现实基于EEG生物反馈的冥想（VR-EBM）。在治疗三周后，通过汉密尔顿焦虑量表（HAMA）和自评焦虑量表（SAS）以及生物反馈评分评估了治疗效果。结果显示，所有治疗组的焦虑评分均显著下降，但H-EBM与VR-EBM的结合在主观SAS改善方面表现更优（p < 0.05），而HAMA评分的下降则在各组之间没有显著差异。尽管LSTM驱动的个性化方法展示了可行性，但其在效果上并未超越传统手动流程。研究还指出，虽然MT-EB在缓解焦虑方面效果显著，与认知行为疗法（CBT）相当，但VR-EBM在主观体验上的提升并未在生物反馈指标中得到证实。这表明，尽管VR技术可能为患者带来更丰富的治疗环境和沉浸式体验，但其在焦虑症状改善上的直接效果仍需进一步验证。LSTM在定制干预中的应用前景广阔，但需要更多的数据支持和验证。研究强调，MT-EB作为一种心理治疗方法，具有推广的潜力，特别是在中国这样对心理治疗资源相对有限的国家，能够提供更高效和可及的治疗方案。未来的研究应关注其长期效果和更广泛的临床应用可能性。

本研究的背景涉及焦虑障碍的普遍性和治疗需求。焦虑障碍包括广泛性焦虑障碍（GAD）和惊恐障碍（PD），它们在神经生物学基础上有共通之处，并且临床表现有重叠（Caldiroli等，2023）。在中国，焦虑障碍的终身患病率高达7.6%，成为最常见的心理健康问题之一（Huang等，2019）。通常的治疗方法包括药物治疗和心理治疗，其中认知行为疗法（CBT）和放松训练被广泛推荐（Craske & Stein，2016）。然而，尽管CBT在治疗焦虑方面效果显著，但在中国，由于各种原因，很少有患者能够获得这种治疗（Zhang等，2023）。这种现状促使研究者探索数字化的心理健康干预方法，利用可穿戴设备提供更高效、更易获得的治疗服务（Monosov等，2024）。脑电反馈（NF）作为一种非侵入性的监测手段，能够实时反馈大脑活动信息，帮助患者更好地理解和调节自己的心理状态。虽然NF通常关注EEG信号，但也可以使用其他信号如功能性磁共振成像（fMRI）和近红外光谱（NIRS）进行反馈（Mu?oz-Moldes & Cleeremans，2020）。为了便于理解，本研究使用了较早的术语“EEG生物反馈”。自20世纪60年代末出现以来，EEG生物反馈已从治疗注意力缺陷多动障碍（ADHD）和癫痫等疾病扩展到包括自闭症、酒精依赖、失眠、焦虑和抑郁在内的多种情况（Donald & Hammond，2007；Martin & Schmidt，2023）。当前，EEG分析主要集中在分解大脑频率带：Delta波（δ）用于休息，Theta波（θ）用于分心，Alpha波（α）用于放松，Beta波（β）用于警觉（Markiewicz，2017）。除了测量功率分布和振幅外，生物反馈还评估频率带的比率、相干性和相位锁定（Wu等，2023）。焦虑障碍的EEG模式，特别是α波活动的异常，揭示了焦虑的生理心理基础（Hardt & Kamiya，1978）。Shen等（2022）的研究表明，广泛性焦虑障碍（GAD）患者的EEG变化对于评估治疗效果至关重要，包括（1）β波功率谱密度（PSD）增加，与高唤醒状态相关；（2）α1波PSD减少，反映放松能力受损；（3）所有频率带中前额叶与其他脑区之间的长距离功能连接（FC）减少，表明上层认知调控功能紊乱。这些空间-频谱异常突显了EEG生物标记物在跟踪干预效果方面的潜力。EEG活动的变化是评估治疗效果的关键指标（Hou等，2021）。

随着技术的发展，虚拟现实（VR）及其相关技术如增强现实（AR）和混合现实（MR）在心理治疗中的应用日益增多（Wen等，2024），有助于提高治疗效果（Macchitella等，2023）。最初，VR主要用于虚拟现实暴露疗法（VRE），以治疗恐惧症（Rothbaum & Hodges，1999）。然而，VR的应用范围已经扩展到心理健康和医学领域的数字流程优化（Rowan，2024），包括疼痛管理和神经康复（Javvaji等，2024）。VR在心理治疗中的应用包括高保真模拟环境用于行为训练（Beidel等，2019）和视觉约束用于认知重构（Hoag等，2022）。这些策略常常融合为综合干预措施（Freeman等，2022）。对于焦虑障碍，基于VR的正念冥想提高了治疗的效率和可及性（Ma等，2023）。便携式EEG生物反馈设备能够实时监测生理变化，促进个性化治疗（Lüddecke & Felnhofer，2022）。这种技术在中国推广心理健康治疗具有重要意义。

本研究的主要目标是探索EEG生物反馈与VR技术在治疗焦虑障碍中的应用，并提出改进现有技术的方法。具体来说，研究聚焦于两个关键目标。首先，当前的EEG生物反馈用于冥想训练缺乏个性化和定制化。许多冥想训练过程过于简单，目标不明确，对冥想内容的控制效果不佳（Matko等，2022）。作为长期从事格式塔心理学的实践者，我们旨在将传统冥想与CBT理念结合在格式塔框架中。这种方法被设想为帮助患者建立新的感知模式，超越其固有的感知框架，结合条件反射和潜意识元素，重新组织认知并改善情绪。其次，VR眼镜在心理治疗中的使用缺乏对其核心原理的深入理解。仅仅将受试者暴露于VR眼镜的视觉新颖性并不一定能带来有效的心理治疗（Fernández-álvarez等，2020）。我们希望通过精确控制视觉输入来提高治疗的针对性。通过将传统的口头解释替换为结构化的视觉场景，VR减少了对患者想象力的依赖，通过沉浸式和标准化的视觉指导提高了治疗效率。

为了验证这些假设，我们开发了一个多功能心理治疗软件系统，具有独立知识产权。该系统可以在平板电脑和VR眼镜上安装，配备便携式EEG生物反馈设备，以便高效的数据采集和整合，从而快速有效地为焦虑障碍患者提供治疗。自2022年起，我们申请了多个研究项目，并招募了数百名焦虑障碍患者参与研究。我们的目标是通过结合EEG生物反馈和VR技术，开发一个更加个性化和定制的心理治疗方案，以提高治疗效果和患者的接受度。这种方法为焦虑障碍的临床治疗提供了新的思路和方法。

本研究采用了便携式EEG头戴设备、VR眼镜和Android设备，创建了一个数字化的冥想体验，用于焦虑障碍的治疗。这种方法被称为EEG生物反馈冥想治疗（MT-EB），包括家庭基于EEG生物反馈的冥想（H-EBM）和基于VR的EEG生物反馈冥想（VR-EBM）。H-EBM允许患者在家中进行冥想训练，而VR-EBM则提供临床环境中的沉浸式体验。尽管两个模块都基于相同的10个核心冥想场景，但它们的用户界面和交互模型截然不同。H-EBM模块运行在Android平板电脑上，设计为患者自主交互，采用2D界面，患者听取叙述并提供反馈。相比之下，VR-EBM模块呈现一个3D沉浸式环境。在这种情况下，患者佩戴VR头盔，被动体验场景，而治疗师则通过一个独立的连接控制应用程序管理会话的进展和参数。

本研究设计了一个临床控制研究，评估了不同治疗模块在21天内的疗效。研究对象分为五个组，每组接受不同的治疗方案。其中，Group E专门使用了由LSTM驱动的AI场景选择模型。这一方法的开发是在研究过程中后期进行的，利用了之前从门诊患者中收集的EEG数据进行训练。同时，这一模型的实施与大学学生招募阶段相吻合，因为自动化、AI引导的治疗在校园封锁期间为远程治疗提供了价值。这种逐步推进的设计允许对治疗师引导和AI引导的VR-EBM干预进行比较。

研究招募了两个不同的队列，反映了研究项目在现实临床和公共卫生情况下的实际演进。第一阶段招募了102名门诊患者，主要诊断为广泛性焦虑障碍（GAD）和惊恐障碍（PD），代表了一种典型的临床焦虑患者群体。这一阶段的重点是建立MT-EB干预在标准临床人群中的可行性和初步疗效。第二阶段是在2023年底，利用一次校园范围的心理健康筛查，招募了613名学生，以应对由于校园封锁而加剧的集体焦虑。这一筛查识别出33名具有轻度至中度焦虑的学生，并将其纳入研究。这一阶段允许我们评估干预在非临床、高压力人群中的效果，并提供了必要的数据来开发和测试AI驱动的场景选择模型。

尽管两个队列在许多方面存在差异（例如临床诊断与情境性焦虑、基线严重程度和药物使用情况），但由于研究的务实性和按顺序进行的设计，我们无法在所有条件下进行完全随机分配。因此，在统计分析中，我们将这些队列视为不同的组别进行相关比较，如结果部分所述。这种设计虽然存在一定的局限性，但也提供了独特的视角，使我们能够评估MT-EB干预在不同情境下的适用性和效果。

研究采用了一种基于EEG生物反馈和VR技术的治疗策略，旨在通过冥想建立新的感知模式，逐步替代现有的情绪习惯。这种策略受到巴甫洛夫的第二信号系统理论的启发，认为情绪反应是通过重复的认知模式形成的自动和潜意识反应（Pavlov，1949）。我们希望通过整合VR视觉引导和EEG生物反馈，使患者在冥想过程中植入新的认知符号，以引导感知和情绪调节。

为了实现这一目标，我们使用了便携式EEG头戴设备、VR眼镜和Android设备来创建精确的数字化冥想体验。这一方法，即EEG生物反馈冥想治疗（MT-EB），包括家庭基于EEG生物反馈的冥想（H-EBM）和基于VR的EEG生物反馈冥想（VR-EBM）。H-EBM允许患者在家中进行冥想训练，而VR-EBM则提供临床环境中的沉浸式体验。尽管两个模块都基于相同的10个核心冥想场景，但它们的用户界面和交互模型存在根本差异。H-EBM模块运行在Android平板电脑上，设计为患者自主交互，采用2D界面，患者听取叙述并提供反馈。相比之下，VR-EBM模块呈现一个3D沉浸式环境。在这种情况下，患者佩戴VR头盔，被动体验场景，而治疗师则通过一个独立的连接控制应用程序管理会话的进展和参数。

研究共招募了135名参与者，其中102名来自门诊，被分配到A、B和C组，而33名大学志愿者则构成了D和E组。最终有89名参与者完成了治疗程序。在治疗开始前，进行了全面的心理健康评估，包括SAS和HAMA量表的测量。我们从三个角度分析了各组的焦虑水平：比较A组（CBT）与B和C组（MT-EB），B和D组（仅H-EBM）与C和E组（H-EBM结合VR-EBM），以及B和C组（药物支持）与D和E组（仅MT-EB）的比较。初始焦虑水平在这些比较中没有显著差异（见表4：治疗前）。

我们还评估了EEG生物反馈能力，重点关注H-EBM治疗初期的前五天中“冥想”和“注意力”评分。分析比较了B和D组与C和E组，以及B和C组与D和E组，发现除了B和D组与C和E组在“冥想”评分上的差异外，其他方面均未发现显著差异（见表6：治疗前）。这些差异将在与研究结论相关的讨论中进一步探讨。

在三周的治疗后，对89名完成治疗的患者进行了SAS和HAMA量表的再评估。所有组别的平均焦虑评分均显著下降，表明治疗有效。我们从三个角度比较了治疗效果：CBT与MT-EB、H-EBM与H-EBM结合VR-EBM，以及MT-EB与和药物治疗的结合。结果显示，各组在HAMA评分下降方面没有显著差异。然而，MT-EB和H-EBM结合VR-EBM在SAS评分下降方面优于CBT和纯H-EBM。这表明，尽管CBT在焦虑症状缓解方面表现出色，但其耗时较长且患者流失率较高。相比之下，数字VR-EBM可能减少了对治疗师时间的依赖，从而提高了患者的参与度和治疗的可持续性。值得注意的是，MT-EB在缓解焦虑症状方面与CBT效果相当。

尽管VR-EBM在主观体验上可能带来更积极的效果，但其在焦虑评分改善方面的表现并未显著优于常规的H-EBM。这可能与VR的安慰剂效应有关（Lüddecke & Felnhofer，2022）。此外，研究还发现，MT-EB作为非药物治疗是可行的，而药物治疗的加入并未显著提升治疗效果，这表明个性化治疗计划的重要性。

尽管MT-EB提供了个性化和定制化的治疗，但研究并未发现EEG数据与冥想内容或形式之间有明确的联系。未来的研究应专注于开发基于个体EEG数据的算法，以进一步优化冥想训练。此外，研究发现，手动场景切换优于AI驱动的场景选择，这可能是因为治疗师的互动和叙事增强了患者的参与感。当前AI模型的准确性和灵活性仍存在局限，这也可能是这一结果的原因之一。

本研究的临床意义在于强调了优化心理治疗交付方式的重要性，倡导数字化和个性化的方法，以减轻患者的负担并提高治疗的可及性和依从性。我们支持将数字冥想训练作为CBT的替代方案，特别是对那些偏好技术治疗的患者而言（Williams等，2024）。生物反馈在心理治疗中的作用也被认可，尽管其直接影响可能不总是明显，但它有助于患者在冥想过程中设定明确的目标，从而增强其治疗信心和参与度。实时监测生理数据，如脑活动，可以为患者提供个性化的治疗目标，帮助其自我调节和情绪管理。

在焦虑障碍的治疗中，临床医生应根据患者的具体需求和偏好，考虑是否纳入药物干预。进一步的研究需要理解不同患者对生物反馈冥想的反应差异以及药物治疗在不同阶段的价值。这种方法对于优化治疗效果和推动个性化医学的发展至关重要。

本研究的局限性包括未能纳入更广泛的生物反馈信号，如心率变异性（HRV）和皮肤温度，这可能影响对生理状态的全面评估。此外，三周的治疗时间可能不足以捕捉治疗的长期效果，因此需要更长期的研究来评估治疗的持续性。研究还存在其他局限性，包括VR-EBM模块的潜在安慰剂效应未得到充分评估，以及缺乏纯药物治疗或多样化安慰剂对照组，这限制了不同治疗方法之间的比较能力。此外，尽管LSTM方法在当前数据量下未能展现优越性，但其在更大数据集上的潜力值得进一步探索。研究还未能明确建立治疗效果与潜在机制之间的联系，这表明未来的研究需要更严谨的设计。

另一个主要的局限性是研究参与者的异质性和代表性有限。研究结合了门诊患者队列和在特定高压力事件（校园封锁）期间招募的非临床大学学生队列。这种务实的设计虽然提供了有价值的信息，但也引入了潜在的混杂变量。两个队列在基线焦虑严重程度、临床史、治疗动机和同时使用的药物方面可能存在差异，这些差异可能影响研究结果，并限制某些治疗效果的直接比较。完全随机对照试验与同质人群的结合将提供更明确的证据。然而，这种局限性也表明了研究的独特优势，即MT-EB干预在不同情境下的适用性和效果。这凸显了此类数字健康工具在公共卫生危机期间快速部署为可扩展心理健康支持的潜力。我们鼓励未来的研究在更严格的研究设计基础上继续推进这些初步发现。

最后，本研究在干预的实施方面面临显著的设备成本限制。需要专门的硬件，如VR头盔和EEG生物反馈设备，这可能成为许多现实临床环境中的重大财务障碍。未来的研究可以探索更低成本的替代方案，或进行成本效益分析，以解决这一可扩展性挑战。