Front Bioeng Biotechnol：中風后腦功能控制性的改變

運動功能障礙是中風患者的常見后遺癥并經常導致殘疾的發生。目前對于運動功能的評定主要采用量表評價，主觀性較強且缺乏在“運動控制”方面的準確描述。

動態腦轉換網絡（DBTN）分析是一種兼具時間和空間分辨率的特異性方法，整合 EEG 和 fNIRS/fMRI 數據重建高度特定的皮層活動模式以重現刺激反應下常規和條件特異性大腦網絡狀態。腦功能性控制分析是一種基于控制理論的腦網絡分析方法，用于描述了某些腦區從一種狀態轉為另一種狀態下調整腦行為變化的能力，即腦區的模態可控性（modal controllability）。

2022年6月，中南大學湘雅三醫院康復醫學科李旭紅團隊發表文章，使用聯用腦電圖（EEG）和功能性近紅外光譜技術（fNIRS）的動態腦轉換網絡分析和腦功能性控制分析方法以對中風引起的“運動控制”缺失進行準確的解釋和評估，此項研究Functional Brain Controllability Alterations in Stroke發表在Front Bioeng Biotechnol（IF：6.064）雜志。

文獻簡介

? 1. 方法

研究對象來自廣東省工傷康復醫院的卒中偏癱患者16名和健康被試11名，所有被試均為右利手，該研究經廣東省工傷康復中心（AF/SC-07/2016.30）倫理委員會批準，并由被試簽署書面知情同意書。

納入標準：①中風后1-6月患者；②年齡18-70歲；③聽理解無障礙且簡易精神診斷量表（MMSE）＞27；排除標準：①在溝通或注意力方面的缺陷且不能完成實驗；②MRI禁忌癥；③同時患有其他會嚴重影響上肢功能的疾病。

中風組被試需接受4周傳統康復治療，所有被試須在治療前（baseline）和治療后（post）進行上肢運動功能評估（FM-UL, 66分以上正常）和EEG-fNIRS測量。最終完成試驗為6人。

抓握任務（ME）：共計40個隨機試次，包含左手抓握和右手抓握各20次，每個試次抓握8s，間歇17s，要求被試盡全力抓握但不引起身體的震顫。有研究表明抓握任務相較傳統對指任務能引起更強烈的皮質活動且。

圖1：|實驗設計。(A)本研究中使用的實驗性運動執行任務。“ME”代表運動執行。(B)腦電圖和fNIRS通道位置。數據采集：采用EEG和fNIRS同時記錄范式采集腦電信號和血氧信號。探頭布局如圖所示，使用32導主動電極腦電設備（Brain Products, Germany），采樣率500Hz；近紅外腦功能成像設備（NIRScout，16*16），采樣率3.91Hz，設備均來自深圳市瀚翔生物醫療電子股份有限公司。

? 2. 結果

1.腦網絡和運動腦區域的可控性

如下圖所示，計算M1、PMC和SMA三個關鍵運動區域的模態可控性，并進行統計比較發現，健康受試者中SMA的模態可控性顯著高于卒中患者中SMA的模態可控性（p=0.02，FDR校正）；健康受試者的PMC的模態可控性在多次校正前顯著大于中風患者（p < 0.05，未校正），但在多次校正后不顯著（p=0.06，FDR校正）；卒中患者和健康受試者之間M1的模態可控性沒有顯著差異（p=0.46，fdr校正）。計算兩組間執行控制網絡（ECN）的模態可控性，并進行統計學比較發現，健康受試者ECN的模態可控性顯著大于卒中患者ECN的模態可控性（p = 0.03）。

圖2 | (A)腦卒中患者與健康受試者M1、PMC和SMA的模態可控性比較。(B)腦卒中患者與健康受試者在執行控制網絡（ECN）中的模態可控性的比較。星號表示經過多重比較校正后的顯著性差異（p < 0.05）。

2.  基線控制性與臨床評分之間的相關性

采用線性回歸模型計算z評分的基線模態可控性和FM-UL評分，并進行相關分析。如下圖所示，M1的基線模態可控性與基線FM-UL評分顯著相關（r = 0.58，p = 0.01）。FM-UL評分與PMC、SMA、ECN的模態可控性之間無顯著相關性。為了識別預測腦卒中患者恢復率的生物標志物，我們計算了干預前和干預后記錄中模態可控性的變化和FM-UL評分的變化，并采用線性回歸模態進行相關性。在圖3B中，結果顯示基于6例腦卒中患者的數據，模態可控性的變化與FM-UL評分的變化之間沒有顯著的相關性。

圖3 | (A)在M1、PMC、SMA和ECN中，基線FM-UL評分與基線模態可控性之間的關系。(B)6例腦卒中患者干預前、干預后FM-UL評分變化與模態可控性變化的關系。

? 3. 結論概述

本研究首次通過使用高時空間分辨率源成像方法和模態可控性方法評價中風患者的運動控制缺失，研究發現腦卒中患者的SMA和ECN的模態可控性明顯低于健康受試者。同時，M1的基線模態可控性與卒中患者的基線臨床評分顯著相關。該研究首次采用基于無創、便攜式、低成本的神經成像模式的腦網絡可控性分析和高時空間分辨率的fNIRS-EEG源定位方法的聯合應用分析，該方法可能為更好地理解不同神經或精神疾病的認知控制或運動控制障礙提供一個新的視角并為神經調節策略的發展提供新的方向。

參考文獻：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