综述：人工智能增强脑机接口在阿尔茨海默病中的概念框架与临床转化前景

《Alzheimer's Research & Therapy》：Exploring the potential of AI-driven brain–computer interfaces for Alzheimer’s disease: an integrated framework for diagnosis and therapeutic intervention

　　

摘要

背景

早期诊断和及时干预对于阿尔茨海默病（AD）至关重要，然而常规评估方法无法捕捉纵向神经动态变化。尽管传统生物标志物框架可提供重要的病理学信息，但仍受限于高成本和有限的可及性。近年来，人工智能（AI）和脑机接口（BCI）领域的进展提出了一种潜在的神经技术框架，该框架整合了神经解码和状态依赖的神经活动调节，以克服这些障碍。

正文

本综述综合了AI增强BCI在AD领域的当前研究进展，并提出了一种概念性的BCI系统框架，在该框架中整合多模态神经数据并进行计算分析，以评估个体疾病状态并支持贯穿AD疾病连续谱的个性化诊断和治疗决策。在这一概念框架内，我们首先回顾了AD早期检测的当前神经生理学方法，并讨论了它们作为未来BCI系统使能技术的潜力。随后，我们考察了基于神经反馈和神经调控的治疗性BCI策略，同时清晰地区分了在AD中已证实的证据与其他神经系统疾病中得出的概念验证发现。在此基础上，我们探讨了AI如何增强BCI系统中的神经解码、自适应控制和个性化干预。最后，我们批判性地评估了主要的方法学和转化挑战，包括数据稀缺、疾病异质性、模型可解释性有限以及闭环实施问题，并勾勒了未来临床转化的优先方向，包括标准化的多模态AD队列、基于生物学原理的可解释人工智能（XAI）、符合监管要求的系统集成以及严格的前瞻性临床验证。

结论

本综述提出AI驱动的BCI作为一种概念框架，将贯穿AD疾病连续谱的早期检测、纵向监测和环路水平干预联系在一起。通过整合当前关于神经生理学诊断、治疗性BCI策略、AI辅助神经解码和转化考量方面的现有证据，本综述为未来AI增强BCI系统在AD中的应用开发及负责任的临床转化提供了概念基础。