脊髓刺激中用于快速准确预测神经反应的广义激活函数

《Communications Biology》：A generalized activating function for rapid and accurate neural response prediction in spinal cord stimulation

　　

摘要

我们提出了广义激活函数（GAF），这是一个基于生物物理原理的框架，在保持高预测精度（R² = 0.99）的同时，将神经激活预测速度相对于多隔室电缆模型的NEURON仿真提升了高达三个数量级。通过克服患者特异性建模中的计算瓶颈，GAF使得计算优化能够切实应用于神经调控疗法，如脊髓刺激（SCS）。我们通过在解剖学上逼真的脊柱模型中，针对多个脉冲宽度验证激活阈值以及动作电位起始位置与时间与多隔室仿真的近乎完美一致性，来证明GAF的生理有效性。我们通过复现一项已发表的下肢运动功能恢复的SCS优化研究来验证其临床相关性，在匹配NEURON预测精度的同时将计算时间从数小时缩短至数秒。最后，我们利用GAF的速度优势探索了此前难以处理的参数空间：对脉冲波形进行Pareto优化，发现了在匹配激活条件下能效提升约七倍的解决方案，而对多电极刺激（16路电流）的优化则将右髋屈曲的功能选择性指数从52%（临床基准值）提升到了82%，且耗时不到一分钟。通过消除计算瓶颈并实现能效与选择性的提升，GAF将模型驱动的优化转变为了患者特异性神经调控的临床可行工具。