通过虚拟外部刺激促进从早期轻度认知减退到健康的脑状态转化

阿尔茨海默病是一种不可治愈的神经退行性疾病，通常从轻度认知障碍（MCI）开始，并逐渐发展为AD。研究聚焦在早期MCI作为治疗干预的潜在目标，以延缓疾病进展。tDCS和rTMS等神经刺激技术在改善AD和EMCI患者认知功能方面显示出了潜力。然而，由于实验和伦理限制，这些技术的大规模实验研究受到限制。基于脑活动的计算脑模型被用来理解脑动力学并指导神经刺激。神经影像技术在研究脑状态和识别MCI等疾病中的功能连接变化方面也起到了重要作用。动态功能连接研究，例如LEiDA分析，为包括阿尔茨海默病在内的各种神经疾病提供了有价值的见解。

特定的脑区在指导脑达到期望状态和影响认知表现方面起着关键作用。之前的研究显示，具有高平均可控性的节点能够将脑状态转化为附近的状态，而具有高模态可控性的节点则可以将脑驱动到较远的状态。然而，这些可控性指标并未提供有关完全控制所需的目标数量的信息。为了解决这个问题，基于代数最大多重性的精确可控性确定了在任何网络中实现完全控制所需的最小驱动节点集。

最近，北京科技大学的研究人员（Weiping Wang、Weiwei Wang、Haiyan Zhao、Zhen Wang、Xiong Luo和Jipeng Ouyang）利用LEiDA对基于fMRI数据的动态功能连接进行聚类，并构建了一个结合了DTI数据的结构连接的脑模型。通过确定最小驱动节点集合，利用精确可控性，他们旨在实现对EMCI患者的有效连接的完全控制。最后，他们对这些驱动节点应用外部干扰，以确定可以促进从EMCI到健康状态的最佳脑区域。

他们的计算模型

整个脑计算模型由90个节点组成，代表按照AAL模板划分的脑区域。该模型使用一种称为Landau-Stuart振荡子的超临界Hopf分叉来描述每个脑区域的局部动力学。通过在整个脑层面模拟BOLD信号，该模型允许调查不同节点的激活如何影响脑网络。从数学上讲，该模型被表示为每个脑区的耦合动力学方程，其中全局动力学由结构连接进行耦合。模型的参数，如分叉参数和全局耦合参数，被优化以适应早期轻度认知减退（EMCI）患者的实证数据。系统的最优工作点通过计算模拟和实际亚态之间的Kullback-Leibler距离来确定。通过使用LEiDA分析来推导概率亚稳定亚态（PMS）空间，利用模拟的BOLD信号与实际数据进行对比来验证模型。

他们发现三个亚态可以明显区分两组，患者在亚态1中的机会较小，而患者在亚态2中的机会较大。EMCI患者还表现出视觉网络内的增强同步。为了进一步研究EMCI患者的脑状态，作者构建了一个由90个脑区组成的动力学模型，这些脑区由DTI数据得到的结构矩阵耦合。通过计算模拟和PMS空间的实际概率之间的最短KL距离，他们优化了模型参数。分叉参数和全局耦合参数被调整以找到最佳拟合，导致具有不同g值的三组模拟。作者使用Hopf分叉模型成功地描绘了EMCI患者的脑状态并优化了外部刺激策略，以促进从EMCI到健康状态的转变。

他们如何确定刺激目标

脑可控制性的概念用于衡量脑从一种状态过渡到另一种状态的容易程度。在本研究中，研究人员利用线性网络控制中的精确可控性来检查脑区域影响其他区域的能力。他们使用简化的网络动力学线性模型来描述fMRI测量的脑神经动力学。通过应用Popov-Belevitch-Hautus（PBH）秩准则，他们确定了完全控制脑网络所需的最小数量的驱动节点。可控性问题涉及找到满足秩准则的驱动节点的位置。为了强制从EMCI到健康的转变，研究人员使用整个脑模型，并对最小驱动节点集合应用外部刺激。刺激以周期性的强制项呈现。通过干扰所选节点，他们探索了它们推动从EMCI到健康的转变的能力，该能力由刺激后脑状态与健康脑状态之间的KL距离来衡量。这个过程在不同干扰振幅下重复进行。

为了在早期轻度认知减退（EMCI）患者中寻找刺激目标，研究人员利用大脑网络中的精确可控性。他们首先确定了能够实现有效连接完全控制的最小驱动节点数量。他们探索了这些位置作为潜在刺激目标。该研究关注与认知有关的42个大脑区域，这些区域位于额叶、顶叶、枕叶和颞叶。通过计算有效连接矩阵来估计这些区域之间信息传输的方向和强度。然后，研究人员将有效连接矩阵进行稀疏二值化以保留较强的连接。根据使用的标准，确定了驱动节点的最小数量为3、4或5。选择了包括海马体、医学额回、颞下沟回和扣带回在内的五组刺激目标。然后，研究人员在整个脑模型中对这些刺激目标应用外部循环刺激。通过使用Kullback-Leibler距离比较每个刺激目标组在从EMCI到更健康状态的过渡中的有效性。第二组刺激目标表现出最好的促进转变效果。

他们的研究意义

在这项研究中，LEiDA方法被用于分析早期轻度认知减退（EMCI）患者在时间上的脑亚态演变。主导性的连接模型被应用于研究这些患者脑的异常动态，并识别与认知变化相关的状态动力学特征。然后，使用精确可控性来确定能够实现脑网络的完全可控性并促进从EMCI到健康状态的转变的驱动节点集合，使用Hopf分叉模型。研究结果表明，可以使用LEiDA方法探索EMCI患者认知衰退的潜在机制。Hopf分叉模型成功地用于描述脑状态并优化外部刺激策略，以促进从EMCI到健康状态的转变。该研究还确定了关键的脑区域，如海马体、医学额回、颞下沟回和扣带回，它们是在EMCI患者中实现状态转变的最佳刺激目标。然而，还需要进一步研究来验证所使用的方法并克服研究的某些限制，例如预处理技术和刺激强度的选择。总的来说，这项研究为了解大脑的动态功能连接以及对EMCI患者的干预策略提供了见解。