综述：立体脑电图视角下的睡眠相关性癫痫：临床与研究进展

《Clinical Neurophysiology》：Sleep-related epilepsy through the lens of stereo-EEG: Clinical and research update

这篇综述系统阐述了立体脑电图（SEEG）在揭示睡眠相关性癫痫（SHE）机制中的突破性贡献。通过SEEG的高时空分辨率，研究者重新定义了SHE作为网络性癫痫的本质，揭示了非快速眼动（NREM）睡眠中循环交替模式（CAP）和双稳态性对癫痫放电的促进作用，以及快速眼动（REM）睡眠的强抑制效应。文章还探讨了跨频率耦合（cross-frequency coupling）等新型生物标志物，为癫痫诊疗和神经调控治疗提供了新思路。

　　

SHE：基于SEEG的网络定义

睡眠相关性过度运动性癫痫（SHE）曾被误诊为夜间阵发性运动障碍，而SEEG研究彻底改变了这一认知。通过颅内电极记录，发现SHE并非仅起源于额叶，而是涉及岛叶、颞叶、顶叶和枕叶的广泛网络。这种网络特性解释了为何传统定位方法常失败，也为精准手术靶向提供了依据。

癫痫放电、微小运动事件与觉醒不稳定性

SEEG捕捉到从微小肌阵挛到全面强直-阵挛发作的连续谱系，揭示了癫痫放电（EDs）与微觉醒的共现现象。在NREM睡眠中，CAP的A1相（高delta功率）尤其易触发EDs，而B相则表现为抑制效应。这种时空不稳定性提示癫痫活动与睡眠微结构动态耦合。

时间振荡、空间不稳定性与癫痫活动调制

SEEG数据显示，NREM睡眠并非全局同步状态：delta波（0.5–4 Hz）的时空异质性创造了癫痫活动的"热点"，而beta-gamma（15–200 Hz）活动通过相位-振幅耦合（PAC）增强局部兴奋性。这种跨频段交互作用可能是癫痫网络启动的关键开关。

REM睡眠：天然抗癫痫状态

尽管REM睡眠呈现觉醒样EEG，但其对癫痫活动的抑制最强，尤其在相位性REM阶段。SEEG揭示这可能源于脑干抑制通路的激活及皮层-皮层下连接的解耦。这一发现为"睡眠状态依赖性治疗"提供了理论依据。

未来方向：解码睡眠-癫痫动态

整合SEEG与计算建模有望实现实时脑状态映射，例如通过机器学习预测CAP周期中的癫痫易感窗口。此外，靶向睡眠特定阶段的神经调控（如闭环刺激）可能成为下一代精准治疗策略。

（注：全文严格基于原文证据链，未添加非文献支持结论）