编辑推荐：
脑部疾病被认为是受分子与细胞异常、神经回路紊乱以及脑-体交互失调驱动的动态过程。与传统药物相比，神经调控提供回路级精准性、可逆性、较小的全身副作用以及由神经可塑性驱动的持久获益，使其成为耐药性脑部疾病的首选策略。生物医学工程、人工智能（AI）、电子学与材料科学
脑部疾病被认为是受分子与细胞异常、神经回路紊乱以及脑-体交互失调驱动的动态过程。与传统药物相比，神经调控提供回路级精准性、可逆性、较小的全身副作用以及由神经可塑性驱动的持久获益，使其成为耐药性脑部疾病的首选策略。生物医学工程、人工智能（AI）、电子学与材料科学交叉领域的进展正在重塑临床神经调控技术。本综述中，研究人员总结了针对脑部疾病的先进神经调控技术的最新临床进展，并概述了神经功能障碍与神经-器官交互的病理生理学基础。研究人员还依据神经调控技术的机制、主要靶点与基本设计原则对其进行了分类。最后，研究人员讨论了其临床应用以及AI与闭环系统的进展如何重塑个体化神经元调控与干预技术。通过将病理机制与工程创新相结合，神经调控有望成为脑部疾病治疗的未来方向，并具有巨大的应用潜力。神经调控的未来进展不太可能源自任何单一设备或刺激模态，而更可能源自集状态感知、多尺度机制理解与动态干预控制于一体的整合治疗系统，从而促进更个体化、更持久的脑部疾病精准治疗策略的开发。
脑部疾病正日益被认识到是由分子与细胞异常、神经元回路紊乱以及脑-体交互失调所驱动的动态过程，其病理改变可发生于突触、神经元群体、局部回路与大规模网络等多个层级，并可通过振荡动力学改变、神经调质失衡与适应不良性可塑性等机制演进。传统药物治疗受到颅骨与血脑屏障（BBB）的严重限制，而神经调控技术能够直接调控功能障碍的神经系统，在神经活动、回路动力学与脑-体通讯等多个层面发挥作用。在此背景下，研究人员在《Engineering》发表了关于脑部疾病临床神经调控最新进展的综述，系统梳理了神经功能障碍的病理生理学基础、神经-器官交互靶点、先进神经调控干预技术以及闭环与智能神经调控系统，并展望了该领域的发展方向。该研究的重要意义在于，通过将病理机制与工程创新相统一，为脑部疾病精准治疗提供了系统级框架，指出未来神经调控的变革性进展将来自集状态感知、多尺度机制理解与动态干预控制于一体的整合治疗系统，而非单一设备或刺激模态的孤立进步。在技术方法方面，该综述基于文献综合分析，围绕运动、认知记忆、疼痛、情绪、觉醒与意识等核心功能回路总结病理生理学基础，从脑-心、脑-肺、脑-免疫与脑-肠四个维度归纳神经-器官交互靶点，按物理能量模态（电、超声、磁、光）、化学与代谢、细胞与分子等层面分类神经调控技术，并结合闭环架构、多模态传感与AI算法（包括迁移学习、自监督预训练与强化学习等）分析智能调控策略。研究结果显示：在病理生理学基础方面，运动回路涉及皮质-基底节-丘脑-皮质环路、皮质-小脑-丘脑-皮质环路与下行脑干-脊髓通路，帕金森病（PD）、亨廷顿病（HD）、卒中等运动障碍源于分布性运动网络的通讯改变而非单一节点损伤；认知记忆回路依赖海马-内嗅皮质-前额叶-丘脑系统的协同互动，阿尔茨海默病（AD）、精神分裂症与创伤后应激障碍（PTSD）等涉及不同组分的优先受累；疼痛回路涵盖外周-脊髓-脑整合系统，慢性疼痛涉及大规模网络重塑，闭环脊髓刺激（SCS）以诱发复合动作电位（ECAP）引导为较成熟范例；情绪回路以杏仁核-前额叶交互为中央调控轴，谵妄等急性脑功能障碍与大规模连接破坏相关；觉醒与意识回路依赖上行网状激活系统（ARAS）、食欲素系统、基底前脑与中央丘脑等分布式网络。在神经-器官交互方面，脑-心轴、脑-肺轴、脑-免疫轴与脑-肠轴通过自主神经、体液、免疫与代谢通路形成双向调节，炎症与自主神经失衡是可放大外周器官功能障碍与脑损伤的共同病理主题，迷走神经刺激（VNS）等可作为干预切入点。在先进神经调控干预方面，电刺激涵盖外周与脊髓电刺激、经颅直流电刺激（tDCS）与经颅交流电刺激（tACS）、深部脑刺激（DBS）与皮质内微刺激（ICMS）、时间干涉刺激（TIS）以及多靶点、反馈引导与状态依赖性刺激，其中自适应DBS以β波段活动为生物标志物可减少刺激负荷；超声（如聚焦超声FUS、脉冲超声PUS）、磁（如经颅磁刺激TMS、θ爆发刺激TBS）与光（如光遗传学、光药理学、光热调控）等物理模态在穿透深度、聚焦性与生物选择性上各有定位；化学与代谢调控涵盖神经保护与代谢支持、神经递质与受体通路调节以及神经免疫与氧化还原微环境调控；细胞与分子调控涵盖干细胞与外泌体、基因治疗与信号通路调控以及脑类器官与脑芯片（BoC）系统。在闭环与智能系统方面，闭环架构由信号采集、反馈处理与刺激执行三模块构成，反馈驱动系统通过内部与外部反馈实现状态识别与输出更新的耦合，多模态传感可构建更忠实的个体状态表征，AI方法从手工特征解码发展至卷积神经网络、循环神经网络与Transformer等端到端模型，迁移学习与自监督预训练（如BrainBERT、LaBraM、NoMAD）可缓解跨个体与纵向漂移问题，强化学习可在维持疗效的同时降低刺激能耗。讨论部分指出，神经调控正从经验性症状控制转向状态依赖、机制引导与个体化干预，未来竞争力取决于网络神经科学、传感、生物电子接口、智能算法与自适应控制的深度融合；同时，神经动力学与症状及治疗反应的可靠映射、多模态系统的信号噪声与时间对齐、AI闭环控制的 interpretability 与长期稳定性，以及安全性评价、监管标准、数据治理与公平可及性等，仍是广泛临床部署前必须解决的限制。研究结论部分翻译如下：总体而言，神经调控正朝着以多模态测量、自适应控制策略与网络级设计为基础的精准治疗范式发展。未来的变革性进展不太可能仅源自单一设备或刺激模态，而更可能来自能够在多尺度生物学背景下解读神经状态、动态调整干预并持续优化治疗的系统级平台。随着重大科学、工程与转化障碍被逐步克服，神经调控可能演变为一种高度精准、个体化且持久的脑部疾病治疗范式。
