《Advanced Science》：Personalized Network-Guided Neuromodulation Enhances Human Working Memory
编辑推荐：
认知神经调控的下一个前沿领域在于个性化和自适应性方案，这要求方法需针对个体功能神经解剖和脑状态波动进行定制。本研究提出一种自适应神经调控框架，将个性化网络靶点定位与脑状态实时解码相结合，以精准靶向工作记忆功能网络。研究人员利用同步经颅磁刺激（TMS）与功能磁共
认知神经调控的下一个前沿领域在于个性化和自适应性方案，这要求方法需针对个体功能神经解剖和脑状态波动进行定制。本研究提出一种自适应神经调控框架，将个性化网络靶点定位与脑状态实时解码相结合，以精准靶向工作记忆功能网络。研究人员利用同步经颅磁刺激（TMS）与功能磁共振成像（fMRI），首先绘制了受试者特异性网络并识别出个性化靶点。随后，一个实时解码器追踪刺激诱发的神经动力学，以经验性地确定每位个体的最佳频率（即在测试的5 Hz、10 Hz和20 Hz中表现最优的频率）及对应的次优频率。在一项多阶段交叉研究中，仅最佳频率刺激显著改善了工作记忆，且解码器输出能预测行为增益。一项关键发现是，最佳频率存在显著的个体间差异，这为“通用最佳频率”这一观点提供了反证。研究结果表明，认知增强取决于刺激靶点和频率之间的精确相互作用。这项工作为基于个性化网络的神经调控提供了因果证据，并为可推广的、基于生物标志物的框架提供了概念验证，标志着向推进认知疗法迈出了一步。
**论文解读文章**
**研究背景与问题**
非侵入性脑刺激（如经颅磁刺激，TMS）在增强认知功能方面具有潜力，但过去二十年的研究结果却高度不一致。传统方法采用“一刀切”模式，对所有受试者施加相同刺激部位和频率，忽视了大脑功能网络在个体间的显著差异及动态波动。工作记忆依赖于额顶网络和默认模式网络等大型脑网络，但这些网络的空间拓扑在个体间变异极大，且随脑状态变化。此外，重复TMS（rTMS）频率的神经生物学效应存在未知的个体差异，预定义的“兴奋性”或“抑制性”频率在不同个体中可能产生相反效果，且缺乏系统性方法来优化频率。因此，亟需一种能够同时个性化刺激靶点和频率、并基于实时脑状态反馈进行动态调整的神经调控框架。
**研究内容与结论**
研究人员开发了一种自适应神经调控框架，整合了基于功能磁共振成像（fMRI）的个性化功能网络（PFN）靶点定位与基于长短期记忆循环神经网络（LSTM RNN）的实时脑状态解码器。在预神经调控阶段，通过静息态和任务态fMRI数据为每位受试者（最终样本n=19名健康成年人）构建PFN，并利用主成分分析（PCA）筛选出与工作记忆最相关的5个网络，生成个体化靶点图。随后，在一次TMS/fMRI联合扫描中，向受试者施加三个频率（5、10、20 Hz）的rTMS，解码器实时估计每个频率对工作记忆网络的激活程度（以2-back状态概率表示），从而确定最佳和次优频率。之后，受试者在随机交叉设计中分别接受连续三天的最佳频率和次优频率神经调控（各2400脉冲/次），并完成延迟匹配样本（DMTS）工作记忆任务和反应时指数（RTI）控制任务。
结论：最佳频率刺激仅在DMTS任务的长延迟条件（4秒和12秒）下显著缩短反应时间，且伴随更高准确率，而0秒延迟和RTI任务均无影响，表明刺激特异性作用于工作记忆的保持机制，而非加工速度。解码器输出与复合指标“平衡整合分数（BIS）”显著相关，预测了行为增益。关键发现是，最佳频率在个体间高度变异（5、10、20 Hz均有被选为最佳者），且并非由特定频率驱动，而是频率与靶点的组合决定效果。该研究为个性化、基于网络的神经调控增强人类工作记忆提供了因果证据，概念验证了一种可推广的、基于生物标志物（解码器输出）的框架。论文发表在《Advanced Science》。
**主要技术方法**
（1）个性化功能网络（PFN）构建：采用空间正则化非负矩阵分解法，联合分析静息态和N-back任务fMRI数据，为每位受试者提取49个PFN。
（2）实时脑状态解码器：基于LSTM RNN，以PFN的功能轮廓为特征，训练分类器区分2-back与0-back状态，输出2-back概率作为网络参与度指标。解码器先由独立数据集（90名健康受试者，同扫描仪、同任务）训练，再使用研究期间积累的TMS/fMRI数据两次微调，最终产生三个版本（v1/v2/v3）。
（3）个体化TMS靶点定位：通过PCA敏感性分析识别与工作记忆解码最相关的5个PFN，计算每位受试者这些网络的全身功能连接（FC）图，经群体高水平FC掩膜和TMS可达性掩膜约束后，选择脑回皮层内的峰值体素作为靶点。
（4）同步TMS/fMRI范式：在3T MRI中使用MRI兼容TMS线圈，刺激强度为120%调整后的静息运动阈值（rMT），频率间插入0.4秒间隔以避免扫描污染。
（5）随机交叉神经调控设计：每位受试者以随机顺序接受共6次神经调控（3次最佳、3次次优，间隔≥1周清洗期），每次2400脉冲，110%调整后rMT。
**研究结果**
**2.1 研究设计概述**
研究分为四个阶段：基线筛查与fMRI采集（访视1-2）、预神经调控TMS/fMRI确定最佳/次优频率（访视3）、随机交叉神经调控（访视4-6和8-10，中间有≥1周清洗期）、神经调控后TMS/fMRI评估（访视7和11）。
**2.2 映射个体化刺激靶点**
通过基于PCA的敏感性分析从49个PFN中筛选出5个工作记忆相关网络，生成每位受试者的FC靶点图。所有19名受试者的主要靶点分布于前额叶和顶叶区域，显示个体间位置变异（图2B）。
**2.3 确定最佳和次优频率**
在TMS/fMRI会话中，先进行“随机循环”以随机顺序测试5、10、20 Hz，解码器实时输出2-back概率。但由于47%的受试者解码器无法可靠区分，预设分层回退程序采用行为表现（命中率为主、反应时为辅）选择频率。随后“知情循环”确认后验证：最佳频率的解码器输出显著高于次优频率（t(18)=6.80, p<0.001, Cohen's d=1.56，图2D）。解码器版本间的差异效应一致，统计可靠性在最终版本（v3）最强。
**2.4 任务表现和解码器-行为关联**
双因素方差分析显示不同刺激条件（最佳、次优、无刺激）下的N-back命中率和反应时无显著组水平差异。但解码器输出与平衡整合分数（BIS = z[命中率] ? z[反应时]）在最佳和次优条件下均显著相关（r=0.55, p=0.015; r=0.53, p=0.026，图3E），表明解码器捕捉到了个体差异。
**2.5 最佳神经调控增强工作记忆表现**
三因素重复测量方差分析显示，在DMTS任务中，最佳刺激在4秒和12秒延迟条件下，反应时随训练天数显著缩短（第3天 vs. 第1天：4秒 d=0.758, p=0.002; 12秒 d=0.568, p=0.023），且第3天4秒延迟下最佳刺激反应时显著短于次优刺激（d=0.515, p=0.038，图4B）。准确性方面，最佳刺激第3天4秒延迟的准确率也高于次优刺激（d=0.579, p=0.017，图4C），排除速度-准确率权衡。
**2.6 解码器脑读数预测工作记忆表现**
预神经调控解码器输出与12秒延迟条件反应时变化（第1天到第3天）呈正趋势（r=0.44, p=0.059，图4D），而次优条件下无相关（图4E）。
**2.7 最佳频率刺激增强表现，与特定频带无关**
线性混合效应模型显示，频率、延迟、刺激天数的三向交互对反应时和准确率均不显著，说明效果由频率与靶点的组合驱动，而非单一频率。
**2.8 刺激效应特异于工作记忆任务**
RTI控制任务的反应时和运动时均无刺激类型与天数的交互，确认工作记忆改善非因加工速度变化（图5B-C）。
**2.9 神经调控训练后的解码器脑读数与行为表现**
神经调控后TMS/fMRI会话中，最佳与次优刺激的解码器输出无显著交互。但解码器输出与BIS的关系在最佳刺激后仍保持正趋势（r=0.40, p=0.088），次优神经调控后最佳刺激的解码器输出与BIS显著相关（r=0.49, p=0.034，图6C）。
**总结讨论**
讨论部分指出，本研究通过整合PFN、深度学习解码器和同步TMS/fMRI，成功实现了自适应、个性化的认知增强。最佳刺激仅影响4秒和12秒延迟，表明其作用于工作记忆的保持机制。未观察到N-back任务效应，可能由于刺激剂量较低及天花板效应。解码器输出与BIS的关联揭示了其敏感度。一个意外发现是神经调控后次优刺激的解码器表现提升，可能涉及Hebbian和稳态可塑性的交互。局限性包括实时解码器在近半数受试者中失效（需行为回退），样本量较小（n=19），缺少真正空白对照，且仅限健康人群。未来需在更大样本和临床人群中验证。
**研究结论**
综上所述，研究人员表明，一种基于个体大脑结构和神经活动定制的精准神经调控方法能够改善工作记忆表现。除行为效应外，本研究的关键贡献在于方法论框架，证明刺激参数可由受试者特异性神经信号和任务相关脑状态来指导。这为更合理和个体化的神经调控策略迈出了一步。尽管前景广阔，这些发现需结合重要局限性进行解读：观察到的效果持久性、对临床人群的可推广性，以及在更大、更多样化样本中的重复性仍有待确定。未来需确定该方法能否扩展到其他认知领域，并转化为有临床意义的干预措施。
