基于远程优化神经解码器的运动响应型深部脑刺激治疗帕金森病新策略

来自国际团队的研究人员针对帕金森病传统深部脑刺激（cDBS）存在静态参数与动态症状不匹配的临床痛点，开发了基于运动信号解码的自适应深部脑刺激（aDBS）算法。该研究通过实时解析脑运动信号，在患者活动时精准提升刺激强度，显著改善优势手运动速度（较反向对照提升38%）并减少异动症，同时首创机器学习远程参数优化系统，为神经调控疗法个性化提供了突破性解决方案。

　　

深部脑刺激(Deep Brain Stimulation, DBS)作为帕金森病(Parkinson's disease)晚期治疗的有效手段，传统固定参数刺激模式(cDBS)常因无法适应患者动态症状而存在疗效波动。这项突破性研究构建了运动响应的自适应DBS(aDBS)系统，通过实时解码基底神经节(basal ganglia)运动相关神经信号，在检测到肢体活动时自动增强电刺激强度。

实验数据表明，该算法使受试者优势手运动速度显著提升，打字速度较cDBS模式提高21%，同时异动症(dyskinesia)发生率降低。更引人注目的是，研究团队开发了机器学习驱动的远程优化管道，患者在家即可通过云端完成aDBS参数校准——这种"智慧神经调控"技术将复杂的脑机接口调试过程简化为自动化流程，标志着个性化神经调控疗法向临床普及迈出关键一步。