针对抓取相关皮层区域的皮层内脑机接口

《NeuroImage: Reports》：Targeting grasp-related cortical areas for intracortical brain-machine interfaces

　　

本研究旨在通过整合解剖、功能和血管成像与术前三维（3D）建模，改进抓取相关运动解码的皮层内微电极阵列（intracortical microelectrode array, IMEA）植入位点。一名C5四肢瘫（tetraplegia）参与者接受了解剖磁共振成像（magnetic resonance imaging, MRI）、扩散加权成像（diffusion-weighted imaging, DWI）和任务态功能磁共振成像（functional MRI, fMRI），以识别抓取相关皮层区域，同时避开血管和语言关键区域。研究人员使用Quicktome软件，通过整合结构连接性和功能激活数据来细化靶点选择。一个三维打印的颅骨和皮层模型实现了术前规划，包括开颅术和电极定位模拟。电极放置通过术后收集的、在尝试手臂和手运动期间从植入阵列记录到的神经数据进行验证。功能成像在前顶内沟区域（anterior intraparietal area, AIP）、腹侧前运动皮层（ventral premotor cortex, PM_v）和额下回（inferior frontal gyrus, IFG）中识别出独特的抓取相关激活。基于其与运动皮层的强连接和独特的功能激活，选择了推定的AIP。研究人员选择了PM_v的6_v和6_r亚区，这些亚区表现出强烈的抓取相关活性且手术可及，而非后部IFG区域，因为后部IFG区域延伸至沟内导致植入困难。术后，这些阵列实现了高保真度的手臂/手运动解码，达到96%的组合分类准确率。本研究提出了一种多模态方法，通过结合基于MRI的解剖映射、fMRI引导的功能定位、连接性信息和三维手术建模来改善皮层内电极放置。这些发现证明了一种有效的方法，用于在瘫痪个体中识别手术可行的抓取网络植入位置。这是迈向脑-机接口（brain-machine interfaces, BMIs）的关键一步，该接口使得脊髓损伤患者能够利用抓取相关脑活动控制设备。

论文解读文章：

研究背景与问题：恢复手臂和手功能是颈髓损伤（spinal cord injury, SCI）患者最迫切的需求，直接影响其独立性和生活质量。功能性电刺激（functional electrical stimulation, FES）虽已成功用于重瘫肌肉的再激活，使四肢瘫患者产生伸手和抓握运动，但其有效性受限于控制选项不足，尤其高颈髓损伤患者可用的指令方式更少。皮层内脑-机接口（brain-machine interface, BMI）通过直接从大脑神经活动解码运动意图，为绕过受损神经系统提供了途径。过往研究主要利用初级运动皮层（primary motor cortex, M1）的神经信号控制FES，但为进一步提升功能，需将电极阵列植入抓取相关网络中的更多皮层区域，如腹侧前运动皮层（ventral premotor cortex, PM_v）、背侧前运动皮层（dorsal premotor cortex, PM_d）、前顶内沟区域（anterior intraparietal area, AIP）、额下回（inferior frontal gyrus, IFG）等。然而，植入这些区域面临三大挑战：当前FDA批准的皮层内电极系统仅能植入皮层表面（沟回），排除沟内区域如中央沟内的M1和中央后沟内的AIP；个体间皮层沟回解剖高度可变，类似指纹，且SCI后皮层萎缩和神经塑性重组进一步扭曲结构-功能关系；非初级运动区（如AIP）功能定位个体差异显著，且邻近语言功能区，手术时还需避开血管。因此，本研究旨在整合解剖、功能、血管成像与术前三维（3D）建模，优化抓取相关皮层区域的电极植入位点选择。研究人员开展的研究：针对一名47岁C5 AIS B四肢瘫男性（RP2），使用解剖MRI、扩散加权成像（DWI）和增强T1加权MRI识别结构标志和大血管；采用想象抓取/伸手fMRI任务（功率抓握、捏握、伸手）和音频fMRI（反向言语）分别定位抓取相关区域和语言区；结合Quicktome软件（利用人脑连接组计划HCP-MMP1图谱和纤维束追踪）分析结构连接性和功能连接性；基于上述信息选择靶点，并通过3D打印颅骨（BoneMatrix材料）和硅胶皮层模型进行术前手术模拟（开颅、电极放置）。术中采用清醒电刺激映射确认语言区。术后通过植入的8个Blackrock微电极阵列（M1、S1、AIP、6_v、6_r）记录神经活动，提取尖峰带功率（spike band power, SBP）特征，使用非线性支持向量机（support vector machine, SVM）解码5种手/臂运动（右臂上举、右手侧移、右手捏、右手腕下压、右手腕外翻）。结论：多模态工作流（解剖映射、fMRI功能定位、连通性分析、3D手术建模）有效识别了手术可行的抓取网络植入位置，联合解码准确率高达96%，且各区域提供互补信息。这是迈向SCI患者通过抓取相关脑活动控制设备的关键步骤。论文发表在《NeuroImage: Reports》。

主要关键技术方法（不超过250字）：（1）解剖映射：利用T1/T2加权MRI、DWI和增强MRI，导入Quicktome软件进行人类连接组项目多模态分区图谱（HCP-MMP1）配准和约束球形反卷积（CSD）纤维束追踪，识别解剖区域并评估候选区与M1手区的结构连接。（2）任务态功能映射：采用3T西门子Prisma Fit扫描仪，设计想象抓取/伸手fMRI协议（功率抓握、捏握、伸手三种抓取类型）和音频fMRI（反向语音）协议，通过一般线性模型（GLM）对比抓取>伸手和抓取>音频，识别功能激活区和语言/听觉区。（3）3D手术模型：使用3D Slicer从MRI/CT数据分割颅骨和皮层，3D打印颅骨（BoneMatrix材料），并铸造硅胶皮层模型，用于术前模拟开颅和电极定位。（4）术后神经解码：采集8个Blackrock微电极阵列的宽带神经活动（30kHz），经带通滤波、共平均参考（CAR）和尖峰带功率（SBP）提取，使用非线性多类SVM（径向基核）进行5种运动分类，经10折交叉验证评估。样本来源：主要受试者为C5四肢瘫患者RP2，另两名健康对照用于fMRI预试验。

研究结果：

3.1 解剖映射：基于三维皮层表面模型，识别出中央沟等主要标志，并利用Quicktome功能连接性分析发现，推定的AIP与M1手区连接性最强，PM_v的6_v和6_r次之，IFG连接性最弱。该分析结合红丘脑追踪模型，证实了候选区在抓取网络中的参与度。

3.2 任务态功能映射：想象抓取/伸手fMRI显示，抓取和伸手激活模式高度相似，但抓取>伸手对比在健康受试者1和患者RP2中可见初级感觉/运动皮层区抓取激活更强。音频fMRI与抓取fMRI对比发现，在候选的AIP和PM_v区域，标准阈值（t=4.5，簇大小100体素）下无重叠激活，确认空间专一性；IFG后部BA44虽有抓取激活，但主要位于沟内且表面被血管覆盖。

3.3 植入部位：综合抓取fMRI激活、无音频区重叠、与M1结构连接强度、血管可及性和沟回可及性，最终选择推定的AIP后部抓取激活区（避开相邻音频激活区）和PM_v的6_v和6_r区（避开IFG）。此外，在中央沟两侧分别植入M1和S1阵列。

3.4 确认阵列位置：

3.4.1 电极级表现：单电极SBP特征显示对5种动作存在可分辨的调谐，阵列有产率（电极解码准确率优于随机比例）从45.2%（6_v）到86.0%（AIP）。各阵列混淆矩阵对角线结构明显，AIP和6_r阵列个体动作分类最稳定。

3.4.2 互补表示：使用贪心前向选择算法优化各阵列电极子集后，单阵列最佳解码准确率为92%（AIP），而联合所有阵列电极子集后准确率提升至96%。跨三个记录会话，联合解码准确率稳定在85%至96%之间，表明各区域提供互补信息且多区域解码具有鲁棒性。

总结讨论：本研究改进了既往仅依赖解剖标志的植入方法。通过加入音频fMRI对比，在术前成功区分了先前研究中AIP区域对声音的意外响应。任务指令的模糊性导致抓取与伸手激活模式相似，但整体激活仍足以识别可行靶点。本方法为术中确定功能无重叠的植入点提供了依据。未来方向包括将本工作流扩展至其他运动或感觉网络。研究结论翻译：本研究展示了一种多模态工作流，通过结合基于MRI的解剖映射、fMRI引导的功能定位、连接性信息和三维手术建模，改善了皮层内微电极阵列放置。这些发现证明了一种有效方法，可在瘫痪个体中识别手术可行的抓取网络植入位置，是朝向实现BMI使SCI患者利用抓取相关脑活动控制设备的关键步骤。