基于脑电图网络可控性与多目标优化的抑郁症个性化脑刺激靶向策略研究

本研究针对重度抑郁症(MDD)患者脑网络动态紊乱及非侵入性脑刺激(NIBS)疗效受限的问题，开发了创新的EEG引导个性化刺激框架。通过整合相位锁定值(PLV)、振幅包络相关(AEC)和加权相位滞后指数(wPLI)等多模态功能连接分析，结合网络可控性理论和NSGA-II多目标优化算法，成功构建了可同时最小化控制能量、最大化网络效率增益(△Eff)并促进结构恢复(△Struct)的个体化刺激方案。Kuramoto模型仿真证实该策略能显著提升全局同步性(R=0.68)、降低模块化(ΔQ=-0.0017)并改善局部效率(△Eff=0.0158)，为精准神经调控提供了数据驱动且数学可解释的新范式。

　　

在精神健康领域，重度抑郁症(MDD)如同顽固的阴云笼罩着全球数亿患者。尽管药物和心理治疗不断进步，仍有约30%患者对现有疗法无反应。非侵入性脑刺激(NIBS)技术如经颅磁刺激(TMS)和经颅电刺激(tACS/tDCS)虽带来新希望，但标准化的"一刀切"刺激方案——例如对所有患者都刺激左背外侧前额叶(DLPFC)——效果参差不齐。问题核心在于：每个人的大脑网络如同独特指纹，而现有方法却忽视了这种功能连接和拓扑结构的个体差异。

渤海大学数学科学学院与清华大学医学院的研究团队在《BMC Psychiatry》发表突破性研究，开创性地将脑电图(EEG)网络分析与控制理论相结合，构建了首个从数据采集到仿真验证的完整个性化刺激框架。这项研究通过分析34名MDD患者和30名健康对照的静息态EEG，发现患者存在PLV、AEC异常增高而wPLI降低的特征模式，特别是中央区电极Cz在α/β频段呈现显著控制节点聚集现象。研究人员运用NSGA-II算法优化出的个体化刺激方案，经Kuramoto振荡器网络模拟验证，可使全局同步性提升68%，网络模块化程度降低，有效逆转了MDD典型的过度分离拓扑结构。

关键技术方法包括：1)采用PLV/AEC/wPLI多指标计算19通道EEG的五频段功能连接矩阵；2)基于图拉普拉斯谱嵌入和卡尔曼秩条件识别控制节点；3)NSGA-II三目标(控制能量E、效率增益△Eff、结构恢复△Struct)优化刺激参数；4)Kuramoto模型模拟刺激效应，量化同步参数R、模块度Q和局部效率变化。

研究结果揭示：
【功能连接异常】MDD患者表现出PLV和AEC在前额-顶叶区域的异常增高，而wPLI在全脑范围降低，提示相位滞后协调功能受损。

【控制节点分布】健康对照的控制节点均匀分布，而MDD患者集中于中央区(Cz/Pz)，α/β频段控制节点出现频率显著增高。

【优化策略效能】Pareto前沿分析显示90%方案控制能量E<4.5×10⁶，最佳方案可实现△Eff>0.004与△Struct>2.3的协同改善。

【动态模拟验证】典型患者刺激后相位热图显示全局同步性R(t)持续上升，模块度降低0.0017，局部效率提升0.0158。

这项研究开创了抑郁症治疗的"网络精准医学"新范式：通过EEG功能连接指纹识别个体化异常模式，运用控制理论量化节点调控潜力，再经多目标优化平衡疗效与能耗，最终通过生物物理模型预演刺激效果。相比传统解剖定位法，该框架将响应预测从"区域激活水平"提升至"网络动态重构"维度，为破解MDD异质性治疗难题提供了数学可解释的解决方案。未来结合高密度EEG和闭环刺激技术，有望发展出动态适应个体脑状态变化的智能神经调控系统。

研究也存在需改进之处：19通道EEG空间分辨率有限，Kuramoto模型未考虑兴奋/抑制平衡，临床转化需结合fMRI-EEG多模态验证。但毋庸置疑，Aihua Wang和Jingnan Sun团队的工作为精神疾病精准医疗树立了新标杆——证明基于网络控制原理的靶向干预，可能比单纯增强或抑制特定脑区更能从根本上修复神经精神疾病的动态失衡。