《Brain Stimulation》:Gamma Oscillations in Basolateral Amygdala as a Mechanistic and Predictive Biomarker for Prefrontal DBS Analgesia
编辑推荐:
为解决前额叶深部脑刺激(PFC-DBS)疗效不一、缺乏闭环调控生物标志物的问题,研究人员开展PFC-DBS镇痛机制研究。结果发现,有效DBS伴随BLA痛觉伽马功率降低,且DBS诱导的持续快伽马升高可预测镇痛效果。该研究为开发闭环自适应DBS系统提供了神经生理学依据。
疼痛,这个困扰全球超五分之一成年人的难题,常常对常规药物治疗“免疫”,成为临床诊疗中的顽固堡垒。深部脑刺激(Deep Brain Stimulation, DBS)为这些难治性疼痛患者带来了新希望,特别是靶向前额叶皮层(Prefrontal Cortex, PFC)的DBS已成为一种有潜力的镇痛策略。然而,其疗效却时好时坏,犹如一把不稳定的“钥匙”,难以稳定打开疼痛缓解的“锁”。究其原因,传统DBS通常采用固定参数进行持续刺激,忽视了疼痛相关的神经状态在不同个体间和不同时间点的动态变化,这就像无论天气如何都固定浇水量一样,效果自然难以保证。此外,长期刺激还可能导致神经适应,使得镇痛效果随时间推移而减弱。这些局限性凸显了开发“闭环自适应”DBS系统的迫切性——即能够根据大脑实时状态自动调整刺激参数的系统。而构建这类智能系统的核心前提,在于找到能够精准反映和预测镇痛效果的神经“生物标志物”。
位于大脑深处的基底外侧杏仁核(Basolateral Amygdala, BLA),作为PFC的重要下游脑区,在疼痛特别是情绪维度的加工中扮演关键角色。PFC与BLA之间存在着直接的神经连接,这条通路的功能异常与疼痛相关的负性情绪密切相关。神经振荡,尤其是伽马(gamma)频段的节律活动,是脑区间信息传递的重要载体,并在包括杏仁核在内的多个脑区被证实与疼痛强度编码相关。那么,PFC-DBS能否通过调节下游BLA的神经振荡来发挥镇痛作用?BLA的振荡特征能否成为预测DBS疗效的生物标志物?为了回答这些问题,首都医科大学的研究团队在《Brain Stimulation》上发表了一项研究。
研究者们在大鼠急性疼痛模型中,将刺激电极植入前额叶皮层的边缘前区(Prelimbic Cortex, PL,被视为灵长类Brodmann 32区的类比脑区),同时将记录电极植入BLA,以在施加不同参数PFC-DBS的同时,记录BLA的局部场电位(Local Field Potentials, LFPs)。他们利用二氧化碳激光诱发大鼠后爪的急性疼痛行为,并系统分析了DBS对疼痛行为及其相关的BLA振荡活动的影响。关键的技术方法包括:利用立体定位技术精准植入刺激与记录电极;应用多种频率(10-160 Hz)和强度(5-35 μA)的DBS参数并进行伪刺激对照;采用高保真去噪算法去除LFP信号中的DBS刺激伪迹;通过时频分析量化不同频段(如慢伽马30-45 Hz,快伽马55-100 Hz)的神经振荡功率;运用广义线性模型(GLM)和随机森林(Random Forest)等机器学习方法,从神经信号中提取并筛选能够区分疼痛状态和预测DBS疗效的特征。
PFC-DBS以参数依赖性的方式缓解疼痛
研究发现,PFC-DBS的镇痛效果(包括感觉和情绪维度)强烈依赖于刺激参数。20 Hz和40 Hz的DBS能显著降低疼痛行为反应率,而10 Hz、80 Hz和160 Hz则无效。在最佳频率(40 Hz)下,15-35 μA的刺激强度能产生最一致的镇痛效果。这表明,并非刺激越强或越快越好,存在一个优化的参数窗口。
激光诱发的疼痛会升高杏仁核的伽马振荡
在没有DBS干预的情况下,对比大鼠对疼痛刺激有反应和无反应的试次,发现有反应的试次在BLA表现出更显著、更持久的快伽马功率增强。这表明BLA的快伽马振荡是疼痛状态的一个特异性神经表征。
有效的PFC-DBS与BLA中痛觉伽马活动的降低相关
进一步分析发现,具有镇痛效果的DBS参数(20 Hz和40 Hz)能够特异性抑制由疼痛刺激诱发的BLA快伽马功率簇。这种伽马抑制在疼痛刺激后很早即出现,甚至先于疼痛行为的发生。更重要的是,痛觉快伽马功率的变化与疼痛行为反应率呈正相关,且在不同DBS条件下,其变化趋势与行为反应率的变化高度一致。即使在单个试次水平,无论使用哪种DBS频率,镇痛成功的试次其痛觉快伽马功率都很低,而镇痛失败的试次则很高。中介分析表明,痛觉快伽马活动部分中介了有效DBS条件与镇痛结果之间的关系,排除了其仅是行为减少的附带现象的假设。
痛觉伽马活动可区分DBS镇痛结果
通过构建机器学习分类器,研究发现基于痛觉诱发的BLA快伽马功率特征,能够有效区分单个试次水平上的镇痛成功与失败,其分类性能显著高于随机水平。这证实了BLA快伽马活动在解码DBS镇痛效果方面具有区分价值。
DBS诱导的刺激前持续振荡活动可预测镇痛结果
一个更具临床转化潜力的发现是,在疼痛刺激到来之前,DBS本身所诱导的BLA持续振荡状态就能预测随后的镇痛效果。机器学习模型利用DBS期间(疼痛刺激前)的LFP特征,能够可靠预测该次刺激是否有效,其中DBS诱导的持续快伽马功率升高是最重要的预测特征之一。具体而言,在随后镇痛成功的试次中,DBS诱导的持续快伽马功率显著高于镇痛失败的试次。中介分析进一步揭示,这种升高的刺激前快伽马,其部分镇痛作用是通过降低后续的痛觉伽马反应来实现的。这意味着有效的DBS先将BLA网络推向一个“高快伽马状态”,这个状态进而削弱了大脑对即将到来的疼痛信号的反应性。
基线BLA振荡影响DBS的镇痛功效
研究还发现,在DBS开始之前的静息基线状态,其神经振荡就已蕴含了预测信息。基线期BLA的快伽马功率在随后发生镇痛成功的试次中更高。基于基线LFP特征的机器学习模型同样能够以高于随机水平的准确度预测DBS疗效。这表明大脑的内在状态(基线振荡模式)决定了其对神经调控的响应性,强调了神经调控的状态依赖性。
研究结论与意义
综上所述,这项研究揭示了PFC-DBS发挥镇痛作用的“状态-响应”机制:有效的DBS在BLA诱导出一个持续的高快伽马振荡状态,这个状态能够抑制随后由疼痛刺激诱发的痛觉伽马反应,从而实现镇痛。同时,无论是DBS诱导的持续快伽马状态,还是DBS开始前的基线快伽马水平,都能有效预测单次DBS的镇痛效果。
这项研究的意义重大。首先,它在机制层面将PFC-DBS的镇痛作用与下游BLA特定的伽马振荡变化联系起来,为理解其作用原理提供了新见解。更重要的是,它首次系统性地提出并验证了BLA快伽马振荡可作为PFC-DBS疗效的潜在“生物标志物”。这为开发下一代针对疼痛的“闭环自适应”DBS系统奠定了关键的神经生理学基础。未来的智能DBS系统有望通过实时监测BLA的伽马振荡,自动判断当前刺激参数是否有效、大脑状态是否适合接受刺激,从而动态优化刺激时机和参数,实现个性化、精准化的疼痛管理,有望突破当前DBS疗法疗效不稳定的瓶颈。尽管该研究基于急性疼痛模型,其发现为探索慢性疼痛的闭环神经调控带来了富有希望的新方向。