基于局部场电位β波段特征的帕金森病深部脑刺激触点在线预测算法开发与验证

本研究针对帕金森病(PD)深部脑刺激(DBS)编程中触点选择的临床挑战，开发了两种基于局部场电位(LFP)β波段(13-35 Hz)特征的预测算法。通过多中心回顾性分析121个丘脑底核(STN)记录数据，研究人员建立的"决策树"方法实现86.5%的触点预测准确率，显著优于现有DETEC算法。该成果为DBS精准编程提供了客观电生理指标，可减少85%的临床测试时间，发表于《npj Parkinson's Disease》具有重要转化医学价值。

　　

在帕金森病治疗领域，深部脑刺激(DBS)已成为中晚期患者的重要治疗手段。然而这项技术的临床应用面临一个关键瓶颈：医生需要通过耗时数小时的"单极测试"(MPR)逐个评估电极触点，不仅延长手术时间，还给患者带来不适。更棘手的是，这种基于症状观察的选择方法存在主观性强、重复性差的问题，约25%的患者在术后1年需要调整触点参数。如何建立客观、高效的触点选择标准，成为神经调控领域亟待解决的难题。

来自荷兰Haga Teaching Hospital/Leiden University Medical Centre的研究团队联合瑞士、德国多个医疗中心，创新性地利用植入式神经刺激器记录的局部场电位(LFP)特征，开发出两种预测算法。这项发表在《npj Parkinson's Disease》的研究表明，基于β波段(13-35 Hz)功率特征建立的模型，可准确预测86.5%临床优选触点，为DBS精准治疗提供了重要技术支撑。

研究团队采用三项关键技术方法：首先收集欧洲三中心121个STN的LFP数据，建立包含68例荷兰患者、21例瑞士患者和32例德国患者的训练/验证集；其次开发"决策树"在线算法和"模式匹配"离线算法，通过β波段最大功率(Max)和曲线下面积(AUC)特征预测最优触点；最后与现有DETEC算法进行多维度比较验证，评估不同用药状态和术后时间对预测效果的影响。

从临床选择到通道排序

分析显示临床最常选择的触点1和2（占72.7%），其周围双极记录通道（如0-2和1-3）的β功率特征值最高。通过Max和AUC特征排序的通道高度一致，证实单一峰值特征已足够用于临床决策。

从记录到触点预测

"决策树"方法结合选择和排除树后，对前两位触点的预测准确率达88.5%（荷兰88.5%、瑞士93.3%、德国78.1%），显著优于DETEC算法（61.6%）。"模式匹配"方法对单触点的预测准确率为73.1%，双触点达84.6%。

亚组比较

在存在" stunned effect "（术后短期症状改善）的亚组中，"决策树"保持96.2%准确率，而"模式匹配"降至65.4%。药物状态不影响预测效果（OFF期85.7% vs ON期71.4%），提示可避免术前药物撤除。

特征选择分析

未去除1/f背景的Max特征最适合临床即时应用，其效果与复杂离线处理的AUC_flat相当。β活动强度分组（清晰/微弱/背景）不影响算法性能（p>0.19），增强方法普适性。

这项研究通过大规模多中心验证，确立了LFP指导DBS编程的临床可行性。其创新价值主要体现在三方面：首先开发的"决策树"算法实现86.5%准确率，可将临床测试触点从4个缩减至2个，节省85%编程时间；其次证实β波段特征具有跨中心、跨用药状态的稳定性，为自适应DBS奠定基础；最后建立首个系统性双极-单极转换框架，解决LFP临床应用的核心技术瓶颈。研究也存在一定局限，如对触点0和3预测样本不足，未整合定向电极数据等。

该成果标志着帕金森病治疗向精准神经调控迈出关键一步。随着植入式设备传感能力提升，这种电生理指导的编程策略有望与影像导航、人工智能结合，推动DBS进入"个体化"和"自适应"新时代。未来研究可进一步优化算法在定向电极中的应用，并探索θ、γ等多频段特征的补充价值，最终实现"所见即所治"的智能神经调控范式。