编辑推荐：
为解决神经刺激治疗中缺乏刺激驱动动态响应预测模型的问题，研究人员开展了通过脑干神经计算机制对内脏感觉神经刺激期间血流动力学进行预测建模的研究。结果发现孤束核（NTS）集体动力学的重要作用，并开发出数字孪生框架。这为精准控制血流动力学及治疗慢性病提供了可能。
在当今医疗科技飞速发展的时代，脑机接口（BCI）技术为神经刺激治疗带来了新的曙光，在恢复神经功能、辅助大脑运作等方面展现出巨大潜力，像深部脑刺激治疗癫痫、脊髓刺激帮助脊髓损伤患者康复等都取得了显著成果。然而，在利用 BCI 技术进行内脏感觉神经刺激，人工调控心血管系统等内脏器官功能时，却遭遇了重重阻碍。由于个体对刺激的反应存在极大差异，导致治疗效果不稳定，例如压力反射激活疗法治疗高血压时，就出现了血压过度降低或治疗无效的情况。这背后的关键原因在于，当前缺乏能够准确预测刺激驱动动态响应的模型，无法为精准神经调节提供有效的反馈。
为了攻克这些难题，来自浦项科技大学（Pohang University of Science and Technology）的研究人员勇挑重担，开展了一项极具创新性的研究。他们聚焦于通过脑干神经计算机制对内脏感觉神经刺激期间血流动力学进行预测建模。研究发现，脑干中的孤束核（NTS）在神经 - 血流动力学响应中起着核心作用。NTS 内的固有神经回路存在于低维潜在空间的集体动力学，能够有效捕捉刺激驱动的血流动力学扰动。基于此，研究人员开发了一种数字孪生框架 —— 基于压力感受性输入驱动神经动力学的血流动力学模型（H - BIND），可以对神经调节结果进行个性化优化的预测建模。这一研究成果意义非凡，为设计闭环神经刺激系统、实现精准的血流动力学控制奠定了基础，也为慢性疾病的精准转化医学治疗开辟了新的道路。该研究成果发表在《npj Digital Medicine》上。
研究人员在研究过程中运用了多种关键技术方法。实验动物选用成年雄性 Sprague - Dawley 大鼠，通过手术在大鼠身上进行相关操作，包括插管记录动脉血压、暴露脑干等。采用电刺激靶向孤束模拟压力感受性传入，同时记录 NTS 神经元活动和血流动力学数据。利用非线性降维技术（如 Isomap）分析神经元群体活动，构建 NTS 神经回路模型时使用递归神经网络（RNN），并通过递归最小二乘法（RLS）进行训练。
刺激驱动的 NTS 神经元群体在潜在空间的集体动力学
研究人员对 10 只大鼠进行实验，记录 NTS 的细胞外单单位活动和股动脉血压。电刺激脑干孤束作为内脏感觉刺激输入，实验包含静息、刺激和恢复三个阶段。刺激期间血压降低不持续，反映出神经刺激调节血压的困难。研究人员选取对刺激有响应的 NTS 神经元（共 192 个，占比 72%）进行分析，发现神经元之间存在较高的相关性和共享方差，表明 NTS 神经元群体通过相互连接形成自我调节的递归神经回路。进一步研究发现，刺激驱动的神经轨迹呈环形，有效潜在维度为二维，集体动力学能有效总结 NTS 神经元群体的高维动力学，且单个 NTS 神经元活动与集体动力学状态的关联比与血压水平更紧密。
基于潜在空间集体动力学的神经 - 血流动力学耦合
此前研究发现 NTS 神经活动与刺激驱动的血压变化趋势相似，研究人员进一步探究其内在机制。分析发现大多数 NTS 神经元无法有效预测血压变化，但 NTS 神经元群体集体动力学所在的二维潜在空间与血压变化呈线性耦合，基于此线性协议预测血压的准确率高达 89%，远高于单个神经元预测，表明刺激驱动的血压变化编码在 NTS 潜在空间的集体动力学中。
NTS 潜在空间集体动力学的个体间一致性
不同大鼠的神经轨迹存在差异，包括中心位置、轴尺度、静息点位置和旋转方向等。然而，通过对大鼠特异性 NTS 潜在空间进行归一化处理，可提高集体动力学的共性，增强神经 - 血流动力学耦合的一致性。虽然归一化前后预测准确率无显著差异，但这表明利用共同的神经 - 血流动力学耦合协议，结合归一化潜在空间，可有效预测个体间可变的血流动力学。研究还发现，神经轨迹的差异主要源于记录的子群体不同，而非 NTS 神经回路的个体差异。
基于神经计算机制的刺激驱动血流动力学预测建模
研究人员基于 NTS 神经计算机制开发了 H - BIND 数字孪生框架。该框架采用 RNN 模拟 NTS 神经回路，嵌入神经 - 血流动力学耦合协议，通过编码、刺激驱动动力学计算和解码三个过程预测血流动力学扰动。实验表明，H - BIND 在预测刺激驱动的血流动力学方面表现优异，相比直接神经解码，其预测准确率更高，误差更小，且能有效反映潜在动力学。此外，研究人员利用 H - BIND 设计了闭环系统，采用非线性模型预测控制（NMPC）策略，以潜在空间状态为反馈，成功实现对血压变化的精准控制，为临床应用提供了理论支持。
研究首次阐明了脑干 NTS 内的神经计算机制，这对于理解内脏感觉神经刺激期间的血流动力学扰动至关重要。通过引入数字孪生框架，能够准确预测刺激驱动的血流动力学结果。该研究为开发闭环神经刺激系统控制血流动力学提供了可能，有望成为慢性心血管疾病等个性化治疗的有效方案。尽管目前的 H - BIND 框架存在计算负担重等局限性，且在临床应用中还面临诸多挑战，如体内验证、考虑其他器官系统影响、跨物种应用等，但这一研究成果无疑为未来精准医学的发展指明了方向，具有重要的科学价值和临床意义。
