Front Bioeng Biotechnol：中风后脑功能控制性的改变

运动功能障碍是中风患者的常见后遗症并经常导致残疾的发生。目前对于运动功能的评定主要采用量表评价，主观性较强且缺乏在“运动控制”方面的准确描述。

动态脑转换网络（DBTN）分析是一种兼具时间和空间分辨率的特异性方法，整合 EEG 和 fNIRS/fMRI 数据重建高度特定的皮层活动模式以重现刺激反应下常规和条件特异性大脑网络状态。脑功能性控制分析是一种基于控制理论的脑网络分析方法，用于描述了某些脑区从一种状态转为另一种状态下调整脑行为变化的能力，即脑区的模态可控性（modal controllability）。

2022年6月，中南大学湘雅三医院康复医学科李旭红团队发表文章，使用联用脑电图（EEG）和功能性近红外光谱技术（fNIRS）的动态脑转换网络分析和脑功能性控制分析方法以对中风引起的“运动控制”缺失进行准确的解释和评估，此项研究Functional Brain Controllability Alterations in Stroke发表在Front Bioeng Biotechnol（IF：6.064）杂志。

文献简介

► 1. 方法

研究对象来自广东省工伤康复医院的卒中偏瘫患者16名和健康被试11名，所有被试均为右利手，该研究经广东省工伤康复中心（AF/SC-07/2016.30）伦理委员会批准，并由被试签署书面知情同意书。

纳入标准：①中风后1-6月患者；②年龄18-70岁；③听理解无障碍且简易精神诊断量表（MMSE）＞27；排除标准：①在沟通或注意力方面的缺陷且不能完成实验；②MRI禁忌症；③同时患有其他会严重影响上肢功能的疾病。

中风组被试需接受4周传统康复治疗，所有被试须在治疗前（baseline）和治疗后（post）进行上肢运动功能评估（FM-UL, 66分以上正常）和EEG-fNIRS测量。最终完成试验为6人。

抓握任务（ME）：共计40个随机试次，包含左手抓握和右手抓握各20次，每个试次抓握8s，间歇17s，要求被试尽全力抓握但不引起身体的震颤。有研究表明抓握任务相较传统对指任务能引起更强烈的皮质活动且。

图1：|实验设计。(A)本研究中使用的实验性运动执行任务。“ME”代表运动执行。(B)脑电图和fNIRS通道位置。数据采集：采用EEG和fNIRS同时记录范式采集脑电信号和血氧信号。探头布局如图所示，使用32导主动电极脑电设备（Brain Products, Germany），采样率500Hz；近红外脑功能成像设备（NIRScout，16*16），采样率3.91Hz，设备均来自深圳市瀚翔生物医疗电子股份有限公司。

► 2. 结果

1.脑网络和运动脑区域的可控性

如下图所示，计算M1、PMC和SMA三个关键运动区域的模态可控性，并进行统计比较发现，健康受试者中SMA的模态可控性显著高于卒中患者中SMA的模态可控性（p=0.02，FDR校正）；健康受试者的PMC的模态可控性在多次校正前显著大于中风患者（p < 0.05，未校正），但在多次校正后不显著（p=0.06，FDR校正）；卒中患者和健康受试者之间M1的模态可控性没有显著差异（p=0.46，fdr校正）。计算两组间执行控制网络（ECN）的模态可控性，并进行统计学比较发现，健康受试者ECN的模态可控性显著大于卒中患者ECN的模态可控性（p = 0.03）。

图2 | (A)脑卒中患者与健康受试者M1、PMC和SMA的模态可控性比较。(B)脑卒中患者与健康受试者在执行控制网络（ECN）中的模态可控性的比较。星号表示经过多重比较校正后的显著性差异（p < 0.05）。

2.  基线控制性与临床评分之间的相关性

采用线性回归模型计算z评分的基线模态可控性和FM-UL评分，并进行相关分析。如下图所示，M1的基线模态可控性与基线FM-UL评分显著相关（r = 0.58，p = 0.01）。FM-UL评分与PMC、SMA、ECN的模态可控性之间无显著相关性。为了识别预测脑卒中患者恢复率的生物标志物，我们计算了干预前和干预后记录中模态可控性的变化和FM-UL评分的变化，并采用线性回归模态进行相关性。在图3B中，结果显示基于6例脑卒中患者的数据，模态可控性的变化与FM-UL评分的变化之间没有显著的相关性。

图3 | (A)在M1、PMC、SMA和ECN中，基线FM-UL评分与基线模态可控性之间的关系。(B)6例脑卒中患者干预前、干预后FM-UL评分变化与模态可控性变化的关系。

► 3. 结论概述

本研究首次通过使用高时空间分辨率源成像方法和模态可控性方法评价中风患者的运动控制缺失，研究发现脑卒中患者的SMA和ECN的模态可控性明显低于健康受试者。同时，M1的基线模态可控性与卒中患者的基线临床评分显著相关。该研究首次采用基于无创、便携式、低成本的神经成像模式的脑网络可控性分析和高时空间分辨率的fNIRS-EEG源定位方法的联合应用分析，该方法可能为更好地理解不同神经或精神疾病的认知控制或运动控制障碍提供一个新的视角并为神经调节策略的发展提供新的方向。

参考文献：Li X, Fang F, Li R, Zhang Y. Functional Brain Controllability Alterations in Stroke. Front Bioeng Biotechnol. 2022;10:925970. Published 2022 Jun 27. doi:10.3389/fbioe.2022.925970