编辑推荐：
耳鸣（tinnitus）是一种常见的听觉障碍，其抑制机制尚不清楚。为探究相关神经特征，研究人员利用静息态脑电图（EEG）数据，开展了关于短暂性耳鸣声学抑制（BATS）的研究。结果显示，可实现高准确率分类，并发现关键 EEG 特征。该研究为耳鸣治疗提供了新方向。
在日常生活中，不少人都被耳鸣困扰，那种没有外界声源却能听到声音的感觉，严重影响着生活质量。目前，耳鸣的治疗面临着诸多难题，虽然它在全球人口中患病率约为 14.4%，但却没有有效的治疗方法，现有治疗手段仅能缓解如生活质量下降等次要症状。耳鸣通常被认为是由噪音创伤和（或）听力损失引发，会导致听觉通路及中枢神经系统发生病理变化，产生独特的大脑活动模式。以往研究虽能用机器学习区分耳鸣患者和健康人，但针对耳鸣主动调控的研究较少，且尚未有研究利用静息态 M/EEG 数据预测耳鸣抑制。在此背景下，来自瑞士苏黎世大学医院耳鼻咽喉头颈外科、德国雷根斯堡大学精神病学与心理治疗学系等机构的研究人员开展了一项研究，该研究成果发表在《Scientific Reports》上。这一研究意义重大，有望推动耳鸣的诊断和治疗迈向新台阶，帮助众多耳鸣患者摆脱痛苦。
研究人员为开展此项研究，采用了多个关键技术方法。数据方面，从德国雷根斯堡大学和瑞士苏黎世大学两个实验室获取 EEG 和行为数据，涵盖 102 名参与者。在特征提取阶段，对 EEG 数据进行预处理和分段后，计算电极和脑区层面的频域特征，包括振荡功率、非振荡参数和信息测度等。分类时，使用 Pearson 相关性合并高相关特征，运用 10 种分类器并通过 10 折交叉验证评估模型性能 。
研究结果如下：
- 传感器空间：经特征相关性检查，排除部分高相关特征后，采用随机森林（RF）模型在测试数据上达到 98.6% 的准确率。伽马（gamma）和阿尔法（alpha）频段功率对模型预测影响显著，gamma 频段功率双向影响预测，高 alpha 特征值对预测 + BATS 更有利，且 alpha 和 gamma 功率呈负相关。非振荡参数表明 + BATS 个体的非振荡活动减少。
- 源空间：合并高相关特征后，RF 模型在测试数据上准确率达 97.8%。alpha 和 gamma 振荡对总特征重要性贡献显著，alpha 功率在右半球更突出，gamma 功率在左半球占优，且不同脑区的 alpha 和 gamma 功率对 + BATS 的预测作用不同。
- 连通性：计算静息态网络和重要脑区之间的相干性连通性指标，排除高相关特征后，模型准确率为 86.3%。gamma 频段的一些网络连接对 + BATS 有预测作用，而 alpha 频段的网络连接多无预测作用，且听觉网络内的 alpha 连接对 + BATS 有预测作用。
- 行为数据：分析主要数据集的行为数据发现，-BATS 组的最小掩蔽水平（MML）显著更高，且耳鸣响度有更高趋势，表明耳鸣感知强度与实现 BATS 的能力可能相关。
- 验证：使用验证数据集进行分析，RF 模型在传感器空间和连通性分析中分别取得 99.1% 和 82.2% 的准确率，重要脑标签和连接在不同数据集间有较高匹配度，验证了主要数据集结果的可靠性。
研究结论表明，该研究首次尝试通过自发脑活动数据预测耳鸣抑制，利用标准分类器和 RF 模型实现了高分类准确率，并识别出部分新的神经特征。gamma 和 alpha 振荡在传感器和源空间的分布特点，以及听觉和跨网络连通性都与个体抑制耳鸣的能力相关，非振荡特征也能预测耳鸣抑制。这一研究成果推进了对耳鸣抑制神经基础的理解，为客观诊断和个性化治疗策略奠定了基础，有望实现针对个体的精准干预，在耳鸣治疗领域具有重要的应用前景。同时，研究也存在一定局限性，如分类器特征重要性值的解释较为复杂、样本量有待扩大等。未来研究可进一步探索更多神经生理测量方法，结合高空间分辨率技术，深入挖掘耳鸣的神经机制，为开发更有效的治疗方法提供依据。
