经颅交流电刺激在个体α频率下对健康参与者的工作记忆具有潜在提升作用

《Brain and Behavior》:Transcranial Alternating Current Stimulation at the Individual Alpha Frequency Shows Potential Value in Improving Working Memory in Healthy Participants

【字体: 大 中 小 】 时间:2026年05月15日 来源:Brain and Behavior 2.7

编辑推荐:

  **摘要** **目的:**利用行为学和脑电图(EEG)检测技术,明确经颅交流电刺激(tACS)在个体α频率(IAF)下对左侧后顶叶皮层(PPC)的工作记忆(WM)的促进作用。 **方法:**本研究是一项单盲、随机、交叉、对照试验,分为三个组:IAF组、IAF-1组和假刺激组

  **摘要**

**目的:**利用行为学和脑电图(EEG)检测技术,明确经颅交流电刺激(tACS)在个体α频率(IAF)下对左侧后顶叶皮层(PPC)的工作记忆(WM)的促进作用。

**方法:**本研究是一项单盲、随机、交叉、对照试验,分为三个组:IAF组、IAF-1组和假刺激组。通过n-back任务评估WM,同时收集EEG信号。比较刺激前后的行为和EEG相关指标。

**结果:**与刺激前相比,所有参与者在刺激后的n-back任务中平均反应时间(RT)显著缩短(p < 0.001),d′值显著增加(p < 0.001)。刺激后未发现局部或全脑的事件相关去同步/同步(ERS/ERD)的显著差异。然而,事件相关电位(ERP)分析显示,IAF组的P200振幅(Fz: p = 0.023, F3: p = 0.017)和P300振幅(Fz: p = 0.009, Cz: p = 0.025)在3-back任务中显著增加。在IAF组中,ΔP300与ΔRT之间存在显著负相关(Fz: r = –0.465, p = 0.039; Cz: r = –0.677, p = 0.001)。IAF组或假刺激组中未发现IAF振幅与行为变化(ΔRT和Δd)或ERP变化(ΔP200和ΔP300)之间的显著相关性(p > 0.05)。

**结论:**IAF-tACS通过增加额中央区域的P300振幅,特别改善了健康参与者的重负荷WM表现,为未来的精确调节提供了新策略。需要进一步研究以确认其临床应用。

## 1 引言

工作记忆(WM)对高级认知活动至关重要。在各种神经系统疾病(阿尔茨海默病(Kirova等,2015年)、帕金森病(Lee等,2025年)、中风(Liu等,2024年)、轻度认知障碍(Jiang等,2025年)、精神分裂症(Papassotiropoulos等,2024年)和正常衰老的成年人(Bopp和Verhaeghen,2020年)中广泛观察到WM能力下降,这使其成为神经调节的热门目标。经颅交流电刺激(tACS)是一种非侵入性神经刺激技术。通过有节奏地改变电流强度和电极极性,tACS诱导膜电位的周期性快速去极化和超极化,从而使神经振荡与外源性刺激同步,促进认知变化(Froehlich,2015年;Bréchet等,2021年)。众多研究证实了tACS在改善WM方面的潜力(Reinhart和Nguyen,2019年;Grover等,2023年),其中θ频率使用最广泛(60%),其次是γ频率(22%)、θ-γ交叉频率(7.5%)和β频率(3%)(Booth等,2022年)。然而,在过去二十年里,越来越多的文献表明α振荡在认知过程中(如记忆、注意力和干扰抑制)中起着重要作用(Li等,2024年;Ward,2003年)。这一证据引发了范式的转变:α振荡不再被视为大脑不活跃的“被动指标”,而是一种调节认知处理的主动功能机制(Nolte等,2004年;van Diepen和Mazaheri,2018年;Yoshinaga等,2020年)。例如,刺激前的α功率增强与对刺激的感知敏感性降低相关(Dugué等),而α功率减弱与视觉注意力增强相关(Rajagovindan和Ding,2011年)。此外,Michels等人(Michels等,2008年)进一步证明α振荡活动对于维持稳定的WM表征是必要的。鉴于α振荡在WM和其他认知功能中的关键作用,优化α振荡的调节可能对改善认知表现至关重要。为了精确调节α振荡,学者们提出了个性化频率刺激的概念,即使用个体固有的α频率,简称IAF。理论基础是tACS频率越接近大脑固有的主导振荡频率,它所能诱导的同步活动就越广泛,这被称为Arnold的舌头现象(Pikovsky等,2002年)。先前的研究表明个性化刺激具有令人鼓舞的前景。Liu等(2023年)发现,与传统的10Hz-tACS相比,IAF-tACS能更好地诱导α振荡,并有效增强健康受试者的情绪注意力。Cruciani等(2024年)证实,与固定频率的tACS相比,以个体频率进行的tACS能更精确地调节丘脑-皮层活动。基于此,本研究旨在将IAF作为目标频率,明确IAF-tACS对WM的改善效果,并阐明α振荡与认知行为之间的潜在关联。我们设置了三个刺激组:IAF组、比IAF低1Hz的IAF-1组以及假刺激组。我们假设与假刺激相比,定向IAF-tACS和IAF-1-tACS能更有效地调节个体神经振荡,从而提高参与者的WM表现。

## 2 方法

### 2.1 研究设计

本研究是一项单盲、随机、交叉、对照试验。每位参与者将按随机顺序接受三种刺激:IAF-tACS、IAF-1-tACS和假刺激。所有刺激试验的操作、时间和设备相同,每次刺激之间有72小时的洗脱期。IAF是在整个实验开始时通过静息态EEG数据个人计算的。然后要求所有参与者执行一系列n-back任务(n = 2, 3),在此期间收集EEG数据。之后进行10分钟的tACS刺激,再执行另一组n-back任务,同时收集EEG数据。详细信息见图1A。

### 2.2 参与者

参与者的纳入标准如下:①汉语母语者;②右撇子;③视力正常或矫正至正常视力;④年龄在18至30岁之间。排除标准如下:①过去三个月内需住院治疗的急性疾病;②癫痫或任何神经系统或精神疾病史;③认知或学习障碍;④脑外伤史或头部有金属植入物;⑤心脏病史;⑥怀孕;⑦使用精神活性物质或药物的历史。所有参与者在实验前阅读并签署知情同意书,并获得100元人民币作为完成实验的报酬(包括3次刺激)。本研究已获得南方医科大学珠江医院伦理委员会的批准,批准号为2023-KY-224-02。我们使用G*Power 3.1软件计算效应量。样本量为20时,在0.05的显著性水平下,使用F检验(ANOVA:重复测量,组内-组间交互作用)检测到效应量为0.43的效应量的功效为90%。

### 2.3 干预方法

本研究使用了Boreycon公司的neustim无线神经刺激系统。两个银-银氯化物电极连接到EEG记录帽上的相应位置进行刺激。刺激电极放置在左侧后顶叶位置(P3电极),返回电极放置在右眉毛上方(Fp2电极,见图1B)。所有刺激波形均为相对相位为0°的正弦波,电流强度为1mA,持续时间为10分钟。使用导电凝胶确保刺激期间的阻抗低于10 kΩ。实际刺激包括两种频率:IAF和IAF-1,每种频率都有30秒的升压和降压期。对于假刺激,频率设置为IAF,但仅在开始和结束时施加电流。即开始时有30秒的升压,然后是30秒的降压,结束时逐渐减弱。

### 2.4 任务范式

WM任务范式使用EPRIME 3.0软件编程,并在固定显示屏上呈现。我们采用了经典的数字n-back范式,数字从0到9,字体、大小、颜色和位置始终一致。每个数字会在注视点“+”之后随机出现在屏幕中心,持续1500毫秒,刺激间隔为500-800毫秒。参与者需要判断屏幕上的当前数字是否与之前n个位置的数字相同。如果相同,他们应尽快按下键盘上的“F”键;如果不同,应尽快按下“J”键。我们的研究包括两组n-back任务:2-back和3-back。在2-back任务中,参与者需要判断屏幕上的当前数字是否与之前两个位置的数字相同(见图1C)。在3-back任务中,他们需要判断是否与之前三个位置的数字相同。每个任务包含150次试验,其中50%为目标试验(相同),50%为非目标试验(不同)。在正式实验前设置了一个练习任务,以熟悉任务规则。练习任务的数字呈现方式与正式实验不同,包括30次可重复的试验。当参与者在练习任务中的准确率超过80%时,可以开始正式实验。

### 2.5 行为数据分析

主要的行为测量指标是平均RT和d′值。RT仅从正确试验中计算,代表个体正确响应的速度。d′值是WM准确性的有效指标,反映了区分正确响应的能力。与传统准确性计算方法相比,d′值的优点是不受人口统计学变量或智商(IQ)的影响,并包含更全面的数据(Haatveit等,2010年)。d′的计算公式为:

在公式中,hit率代表所有“相同”试验中正确识别的比例,而false alarm率代表所有“不同”试验中错误识别的比例。每个任务的正确和错误试验信息从EPRIME中提取。Z分数是通过使用Microsoft Excel 2016中的NORMSINV函数进行Z变换获得的。当参与者的命中率为完美或错误警报为零时,Z分数将趋于无穷大。在这种情况下,应用如下校正公式:

在此,“n”表示“相同”或“不同”试验的总数。在我们的实验中,“n”等于75。

### 2.6 EEG信号采集和数据分析

EEG数据采集和分析包括静息态和任务态EEG。我们使用了Boreycon公司的NeuSen W系列32通道无线EEG采集系统。采样率为500 Hz,所有记录电极的阻抗在数据采集前调整至低于20 kΩ。EEG实验室保持安静,并有适当的照明。对于静息态EEG采集,指导参与者舒适地坐着,闭上眼睛,避免任何身体运动,持续5分钟。对于任务态EEG采集,参与者坐在17英寸的显示屏前。任务开始前,指导他们调整到舒适的姿势,双手放在键盘上,并在任务过程中尽量减少大肢体和头部的动作。IAF是基于闭眼时的5分钟静息态EEG计算的(Zaehle等,2010年)。数据处理使用基于MATLAB的EEGLAB分析工具箱(版本2023.0)。在预处理静息态EEG数据后,应用快速傅里叶变换(FFT)来识别α频段中功率最高的频率,作为IAF(Rampil,1984年)。本研究在计算后手动确认了IAF,所有IAF结果由两位研究人员手动验证,一致性超过95%。FFT用于将时域信号转换为频域,以提取频谱特征。通过平均分段数据计算每个频率带的功率谱密度(PSD)。分析的具体频率带包括δ(1–4 Hz)、θ(4–8 Hz)、α(8–12 Hz)和β(12–30 Hz)(Koenig等,2001年)。应用了假发现率(FDR)校正,并生成了地形图。随后,计算了每个电极在所有频带上的功率谱密度(PSD)。使用ERPLAB计算了ERP,以提取P200和P300成分的平均幅度。P200主要分布在额叶区域,目标电极为F3、Fz和F4,时间窗口为刺激后150毫秒到275毫秒(Missonnier等人,2012年)。P300主要分布在中线周围,目标电极为Fz、Cz和Pz,时间窗口为刺激后300毫秒到450毫秒(Sowndhararajan等人,2018年)。所有参与者的ERP数据进行了平均处理(总平均),以生成用于进一步分析的组平均波形和地形图。

2.7 统计分析

使用Shapiro-Wilk检验来检验反应时间(RT)、每个电极处的频率幅度(d′)和PSD的正态性,而Levene检验用于评估方差的同质性。描述性统计如下:正态分布的数据报告为平均值±标准差(Mean±SD),非正态分布的数据报告为中位数(四分位数范围,IQR)。当数据符合正态性假设时,应用配对样本t检验来进行组内分析,以表征刺激前后的变化。当数据不符合正态性假设时,使用Wilcoxon符号秩检验。进行了双因素混合模型方差分析(混合ANOVA),以组别(三个组)作为组间因素,时间(干预前后)作为组内因素。该模型检验了组和时间的主要效应,以及组和时间的交互效应。对于交互效应,如果交互效应在统计上显著,则进行简单的效应分析,以比较每个时间点组间的差异以及每个组内的时间变化,从而明确交互的方向和性质。使用Mauchly的球形性检验来评估球形性假设;如果球形性假设被违反,则采用Greenhouse-Geisser校正。使用Bonferroni方法进行了事后多重比较。ANOVA结果报告了部分eta平方(ηp2,作为量化特定因素或交互作用解释的因变量方差的比例的效应大小的度量)。为了消除练习效应对行为结果改善的干扰,使用ΔRT(刺激后RT减去刺激前RT)和Δd′(刺激后d′减去刺激前d′)进行了进一步分析。当数据符合正态性和方差同质性时,使用单因素ANOVA;当不满足正态性或方差同质性的假设时,使用Kruskal-Wallis检验,并进行适当的事后比较。在其他探索性分析中,使用Spearman等级相关分析来评估三个组的行为指标(ΔRT、Δd′)变化与ERP幅度(ΔPn)变化之间的关联。所有统计分析都是使用IBM SPSS(版本26)进行的,p值<0.05被认为是统计上显著的。统计推断基于双尾检验,预定义的显著性水平(α)为0.05,并为所有相关参数计算了95%的置信区间(CIs)。

3 结果

共包括20名健康参与者(10名男性和10名女性),平均年龄为24.30±1.22岁,平均IAF为9.88±1.21赫兹。所有受试者都完成了试验,没有中途退出。在整个研究过程中,IAF组中有2名参与者在电流增加时感到电极下有刺痛感,但这种感觉很轻微且可忍受,大约1分钟后逐渐消失了,没有影响实验。此外,IAF组和IAF-1组各有2名参与者,以及假组中有1名参与者在刺激开始时报告了短暂的闪光现象。

3.1 行为结果

3.1.1 2-back任务

RT:测量时间的主效应显著(F = 47.264,p < 0.001,ηp2 = 0.453),而刺激类型和测量时间之间的交互效应不显著(F = 0.782,p = 0.462,ηp2 = 0.027)。Bonferroni成对比较显示,刺激后的RT显著短于刺激前的RT(547.81 ± 18.74毫秒 vs 602.20 ± 21.93毫秒,p < 0.001)。Kruskal-Wallis检验显示三个组之间的ΔRT没有统计学上的显著差异(H = 2.082,p = 0.353)。

d′:测量时间的主效应显著(F = 15.674,p < 0.001,ηp2 = 0.216),而刺激类型和测量时间之间的交互效应不显著(F = 0.102,p = 0.903,ηp2 = 0.004)。Bonferroni成对比较表明,刺激后的d′值显著高于刺激前的d′值(3.5 ± 0.1 vs 3.2 ± 0.1,p < 0.001)。Kruskal-Wallis检验显示三个组之间的Δd′没有统计学上的显著差异(H = 0.744,p = 0.689)。

3.1.2 3-back任务

RT:测量时间的主效应显著(F = 23.051,p < 0.001,ηp2 = 0.288),而刺激类型和测量时间之间的交互效应不显著(F = 0.774,p = 0.466,ηp2 = 0.026)。Bonferroni成对比较显示,刺激后的RT显著短于刺激前的RT(580.54 ± 21.23毫秒 vs 628.89 ± 23.24毫秒,p < 0.001)。Kruskal-Wallis检验显示三个组之间的ΔRT没有统计学上的显著差异(H = 0.729,p = 0.695)。

d′:测量时间的主效应显著(F = 15.214,p < 0.001,ηp2 = 0.211),而刺激类型和测量时间之间的交互效应不显著(F = 0.107,p = 0.381,ηp2 = 0.013)。Bonferroni成对比较表明,刺激后的d′值显著高于刺激前的d′值(3.1 ± 0.1 vs 2.7 ± 0.1,p < 0.001)。Kruskal-Wallis检验显示三个组之间的Δd′没有统计学上的显著差异(H = 0.125,p = 0.927)。所有行为结果详见表1和图2。

表1. 每组刺激前后的RT和d′比较。

表1. 每组刺激前后的RT和d′比较。

注意:数值表示为平均值±标准差。“*”表示刺激前后的组内比较的显著p值。

图2. 行为结果。A:n-back任务中刺激前后的行为变化;B:组间ΔRT和Δd′的比较;“*”表示p < 0.05。

3.1.3 ERD/ERS

由于刺激部位位于P3电极,我们首先从P3电极提取了局部电极数据,特别是δ(δ)、θ(θ)、α(α)和β(β)波段的功率谱密度(PSD),用于统计分析。2-back和3-back任务中δ、θ、α和β波段的PSD不符合正态分布。使用Kruskal-Wallis检验进行刺激前基线比较,结果显示2-back和3-back任务中均无显著性。组内分析显示三个组在刺激前后的任何任务中均无显著性。组间分析也显示三个组在刺激后的2-back和3-back任务中没有显著差异(p > 0.05,详见图3)。

3.2 ERP结果

3.2.1 P200幅度

在2-back任务中,多因素重复测量ANOVA显示电极位置的主效应显著(p < 0.001),但测量时间、刺激类型和电极位置之间的交互效应不显著。组内配对样本t检验显示任何组的刺激前后的差异均不显著。对于3-back任务,多因素重复测量ANOVA显示电极位置的主效应显著(p < 0.001)和测量时间的主效应显著(p = 0.004)。Bonferroni成对比较表明,刺激后的幅度显著高于刺激前的幅度(1.86 ± 0.1μV vs 1.61 ± 0.1μV,p = 0.004)。测量时间、刺激类型和电极位置之间的交互效应不显著。组内配对样本t检验显示,在IAF刺激后F3电极的幅度显著增加(p = 0.040),而在IAF-1或假刺激前后没有显著差异。

3.2.2 P300幅度

在2-back任务中,多因素重复测量ANOVA显示测量时间的主效应不显著(p = 0.500),但电极位置的主效应显著(p < 0.001)。测量时间和刺激类型之间的交互效应显著(p = 0.041)。组内配对样本t检验显示,在IAF-1刺激后Pz电极的幅度显著增加(p = 0.047),而在IAF或假刺激前后没有显著差异。对于3-back任务,多因素重复测量ANOVA显示电极位置的主效应显著(p < 0.001)和测量时间的主效应显著(p < 0.001)。Bonferroni成对比较表明,刺激后的幅度显著高于刺激前的幅度(0.33 ± 0.05μV vs 0.22 ± 0.05μV,p < 0.001)。测量时间、刺激类型和电极位置之间的交互效应不显著。组内配对样本t检验显示,在IAF-tACS后Fz电极(p = 0.009)和Cz电极(p = 0.025)的幅度显著增加,在IAF-1-tACS后Cz电极的幅度显著增加(p = 0.044)。假组中没有显著变化。详细的ERP结果见表2和图5。各组刺激前后的ERP比较。

——
IAF(μV)
IAF-1(μV)
SHAM(μV)

——
——
——
刺激前
刺激后
T
P
刺激前
刺激后
T
P
刺激前
刺激后
T
P

P200
——
——
——
——
——
——
——
——
——
——
——
——
——
——
——

Fz
2-back
1.9 ± 1.0
2.0 ± 1.0
?1.027
0.317
1.8 ± 1.1
2.1 ± 0.9
?1.689
0.107
1.8 ± 1.0
1.8 ± 1.0
?0.351
0.729

——
3-back
1.8 ± 1.1
2.2 ± 0.9
?2.006
0.059
2.0 ± 0.9
2.2 ± 1.0
?1.924
0.070
1.9 ± 1.0
2.1 ± 1.0
?1.753
0.096

F3
2-back
1.4 ± 0.9
1.6 ± 1.0
?1.588
0.129
1.4 ± 1.1
1.7 ± 1.0
?1.590
0.128
1.4 ± 0.9
1.5 ± 1.0
?1.590
0.128

——
3-back
1.4 ± 0.9
1.8 ± 0.9
?2.206
0.040*
1.5 ± 1.0
1.8 ± 1.0
?2.049
0.054
1.5 ± 0.9
1.6 ± 0.9
?1.237
0.231

F4
2-back
1.5 ± 0.9
1.7 ± 0.7
?1.117
0.278
1.5 ± 0.9
1.7 ± 0.7
?0.757
0.458
1.3 ± 0.8
1.3 ± 0.8
?0.170
0.867

——
3-back
1.4 ± 0.9
1.8 ± 0.8
?1.798
0.088
1.6 ± 0.7
1.7 ± 0.9
?0.575
0.572
1.4 ± 0.8
1.5 ± 0.9
?1.051
0.307

P300
——
——
——
——
——
——
——
——
——
——
——
——
——
——
——

Fz
2-back
?0.2 ± 0.7
?0.2 ± 0.7
?0.330
0.745
?0.5 ± 0.8
?0.4 ± 0.6
?0.663
0.515
?0.3 ± 0.5
?0.4 ± 0.6
1.275
0.218

——
3-back
?0.3 ± 0.6
?0.1 ± 0.6
?2.893
0.009*
?0.4 ± 0.6
?0.3 ± 0.6
?1.066
0.300
?0.2 ± 0.4
?0.2 ± 0.5
?0.115
0.910

Cz
2-back
0.4 ± 0.7
0.4 ± 0.7
?0.410
0.686
0.2 ± 1.0
0.5 ± 0.7
?1.903
0.072
0.3 ± 0.8
0.2 ± 0.8
1.704
0.105

——
3-back
0.3 ± 0.7
0.5 ± 0.7
?2.433
0.025*
0.3 ± 0.7
0.5 ± 0.6
?2.162
0.044*
0.2 ± 0.7
0.3 ± 0.7
?1.060
0.303

Pz
2-back
0.8 ± 0.5
0.7 ± 0.6
1.820
0.085
0.6 ± 0.6
0.9 ± 0.6
?2.128
0.047*
0.8 ± 0.6
0.7 ± 0.7
0.429
0.673

——
3-back
0.7 ± 0.6
0.7 ± 0.5
?0.622
0.541
0.7 ± 0.5
0.9 ± 0.5
?1.578
0.131
0.7 ± 0.5
0.8 ± 0.7
?0.928
0.365

注:数值表示为平均值 ± 标准差。“*”代表刺激前后的组内比较的显著p值。图5在图形查看器中打开。

P200/P300波形(A)和地形图(B)用于3-back任务。

3.3 行为变化与EEG变化之间的相关性分析

为了探索行为变化和EEG变化之间的关系,我们对RT的变化(ΔRT = 刺激后RT - 刺激前RT)、d′值的变化(Δd = 刺激后d′ - 刺激前d′)以及ERP幅度(ΔPn = 刺激后P波幅度 - 刺激前P波幅度)进行了Spearman相关性分析。在IAF组中,进行3-back任务时,发现ΔP300和ΔRT之间存在显著相关性(Fz: r = –0.465, p = 0.039;Cz: r = –0.677, p = 0.001)。这表明P300幅度的增加越大,平均RT的减少越明显。在IAF-1组和假对照组中未观察到显著相关性(所有p > 0.05)(见图6)。

4 讨论

在我们的研究中,我们发现所有三组在刺激后行为上都有所改善,包括RT和d′,但组间没有显著差异。这与我们的初始假设不符,表明单次IAF-tACS可能对增强工作记忆(WM)表现没有显著差异。我们推测行为改善主要归因于n-back任务的学习效应,因为有报道指出n-back不仅可以检测WM,还可以提高执行者的WM能力(Schneiders等人,2011年),以及改善其他未经训练的认知功能(Pergher等人,2018年)。尽管组间行为结果没有显著差异,但我们特别观察到IAF组出现了一些有趣的EEG变化。即(i)只有IAF组在3-back任务后显示P200(F3电极)和P300(Fz、Cz电极)幅度显著增加;IAF-1组仅在Cz电极上显示P300升高;(ii)只有IAF组在Fz和Cz电极上显示出ΔP300和ΔRT之间的负相关。这可能表明我们在这里进行的IAF-tACS确实引发了特定的EEG反应。需要强调几点。首先,关于我们在这里使用的经典n-back范式(Owen等人,2005年),“n”代表WM负荷——“n”越大,任务难度越大,对WM的要求也越高。通常,2-back任务被认为是中等负荷,而3-back任务被认为是高负荷。对于中等负荷任务,健康参与者通常可以通过有效的大脑招募成功完成任务,而无需外部干预。然而,在进行高负荷任务时,大脑的有效招募受到限制。在这种情况下,外部干预(例如tACS)可以通过激活相关大脑区域和加强神经招募来提高参与者的任务表现(Sazuka等人,2024年)。Manza等人也报告了仅在高负荷任务后tACS有显著的行为改善(Manza等人,2014年)。这表明当招募受到限制时,大脑对神经调节更为敏感,强调了结合中等和高负荷任务范式以发现tACS刺激反应的重要性。其次,关于P200和P300,它们通常被认为与增强的任务相关大脑激活(Kim等人,2008年;Guerrero等人,2023年)和认知负荷的注意力分配增强密切相关,我们在研究中发现它们幅度的增加进一步证实了单次IAF-tACS确实导致了大脑招募的增强——这与之前的研究结果一致(Kasten等人,2018年;Clancy等人,2018年)。第三,关于左侧后顶叶皮层(PPC)的刺激部位,它不仅是参与WM的关键脑区(Wianda和Ross,2019年;Chen等人,2023年;Zeng等人,2024年),也是alpha振荡的主要分布区域(Chen等人,2023年;Popov等人,2018年;Minarik等人,2018年)。重要的是,尽管n-back任务中的数字刺激具有语言特性,但其处理严重依赖于顶叶的“时空编码”功能——alpha振荡在这一过程中起着决定性作用(Wianda和Ross,2019年)。左侧PPC、alpha振荡和n-back任务处理之间的这种功能重叠强烈支持左侧PPC作为最佳刺激目标。最后,我们发现不仅P300幅度增加,而且在IAF组中还发现ΔP300和ΔRT之间存在显著负相关。这部分表明EEG反应与行为表现可能存在关联。最近,学者们开始提出一个新的观点,即alpha振荡可能与认知存在因果关系。也就是说,alpha功率、相位、幅度和个体峰值频率可以因果决定了神经兴奋性,调节潜在神经群体的信号处理,从而影响感知和认知(Mathewson等人,2012年;Romei等人,2010年;Spaak等人,2014年;Trajkovic等人,2024年;Coldea等人,2022年)。Trajkovic等人(Trajkovic等人,2024年)通过实验进一步提供了证据,表明参与者的刺激前alpha幅度可以预测随后诱导的P3幅度,alpha幅度较低的人在任务中会表现出更高的P3幅度,并显示出更强的检测信心。我们在这里采用IAF-tACS来进一步探索调节alpha振荡以改善认知行为的可能性。遗憾的是,我们没有发现刺激后alpha振荡或其他振荡的ERS/ERD有任何变化。此外,也没有发现振荡与P300或振荡与行为结果之间的相关性。因此,这项研究仍然缺乏直接证据来确认alpha振荡与认知行为之间的因果关系。尽管如此,ΔP300和ΔRT之间的相关性仍是一个有用的实证证据。应该注意的是,我们的研究仅使用了一次tACS刺激。根据文献报道,tACS的效果是累积的——随着刺激次数的增加,行为表现变得更加显著(Grover等人,2023年;Agboada等人,2025年;Wischnewski等人,2023年)。因此,基于IAF组刺激后的独特EEG反应,我们有理由推测,尽管本研究中没有显著的行为变化,但随着刺激次数的增加,刺激效果将变得更加明显,并导致可观察的行为变化。这表明IAF-tACS具有显著的潜力,可能代表未来精确调节认知行为的新方法。未来的研究可以进一步探索不同刺激次数、不同疾病和不同范式下的tACS刺激的EEG反应,以确定最佳刺激方案,从而为其应用提供更可靠的实证证据。

4.1 限制

我们的研究有一些局限性。首先,样本量相对较小。我们采用了伪随机平衡的刺激顺序,以确保每个刺激序列的参与者数量相等。采用这种方法是为了避免由于刺激顺序不平衡导致的组间tACS刺激效果差异。因此,扩大样本量需要成比例增加以保持整体平衡。然而,尽管样本量较小,我们还是观察到了一些有意义的变化。更大的样本量将有助于消除个体差异,并可能揭示更多有趣的结果。其次,由于电刺激伴随着特征性的视网膜磷光现象,参与者很容易感知到假刺激,这在很大程度上影响了参与者的盲法。然而,IAF和IAF-1的盲法是成功的,因为参与者无法区分两者。第三,n-back任务容易受到练习效应的影响(即使在假对照组中也能看到表现的改善),这可能掩盖了微妙的刺激效果。这是一个设计限制,因为n-back任务中的练习效应已经被充分记录,并且很难仅通过分析方法完全控制。最后,我们的研究仅分析了单次刺激的即时效果,没有调查长期或累积效果。重复刺激的累积效果是临床治疗效果的关键,而长期效果是临床治疗的重点。这些方面在我们的研究中没有得到解决,需要在未来的研究中加以验证。

5 结论

本研究调查了IAF-tACS对健康成人不同负荷WM任务的影响,并通过EEG分析探讨了行为变化背后的神经生理机制。据我们所知,我们首次报告了单次IAF-tACS刺激引起的独特脑电图效应,揭示了IAF-tACS在认知调节方面的潜力。尽管该研究没有阐明神经振荡与认知行为之间的直接联系,但这些发现扩展了我们对内源性神经振荡与认知之间关系的当前理解,并为未来精确调节认知行为提供了新的策略。作者贡献

Kangling Wang和Zhiqiang Wang构思了这项研究。Kangling Wang和Zhiqiang Wang参与了研究设计。Zhiqiang Wang、Yulan Gao、Menglin Han和Longting Hu收集了临床数据。Zhiqiang Wang和Yulan Gao处理数据,进行了主要分析并撰写了原始手稿草稿。Kangling Wang对手稿进行了关键修订,并贡献了最重要的智力内容。所有作者都审阅了手稿的内容并批准了最终版本。致谢

作者没有需要报告的内容。资金

作者没有需要报告的内容。伦理声明

本研究遵循了赫尔辛基宣言的指南,并得到了南方医科大学珠江医院伦理委员会的批准(协议代码2023-KY-224-02)。

同意

已经从所有参与研究的受试者那里获得了知情同意。利益冲突

作者声明不存在利益冲突。

数据可用性声明

支持本研究发现的数据可向相应作者提出合理请求后获得。

同行评审

为了保证透明度,与本文相关的同行评审文件可在以下链接查看:https://doi.org/10.1002/brb3.71337。审核轮次:第4轮

编辑决定函

2026/03/06

评审员2报告

2026/03/06

评审员1报告

2026/03/05

审核轮次:第3轮

编辑决定函

2026/02/24

评审员2报告

2026/02/21

评审员1报告

2026/01/14

审核轮次:第2轮

编辑决定函

2025/12/12

评审员1报告

2025/12/08

审核轮次:第1轮

编辑决定函

2025/09/18

评审员1报告

2025/09/17

评审员2报告

2025/09/02
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号