深度神经行为表型揭示帕金森病步行障碍的神经指纹

为何帕金森病的行走问题重要

对许多帕金森病患者来说，最令人恐惧的症状之一是脚突然像被粘在地上一样，或行走速度降到几乎停止。这类运动崩溃，从细微的迟缓到完全的“步态冻结”，大大增加了跌倒和失去独立性的风险，但现有的药物和脑刺激常常无法有效防止它们。本研究旨在揭示伴随这些行走问题的潜在脑活动模式，长期目标是设计更智能的按需治疗方法。

以细致方式观察运动

研究者首先采用了成熟的帕金森病大鼠模型。他们训练大鼠在跑道上来回行走，同时以三维追踪其后肢的每一个细微动作，并记录来自运动相关脑区的电活动。每一时刻的行为都被标注为三种状态之一：正常行走、原地的小幅有意移动，或运动停止——一种近乎完全停止、类似患者冻结发作的无动状态。这就产生了一个丰富的“神经行为”数据集，将脑节律与身体每一瞬间的动作相对应起来。

在脑电波中寻找模式

为了解释这些高维数据，团队同时使用了经典统计方法和现代深度学习工具。他们首先证实了已知特征：有帕金森样损伤的大鼠比健康动物在无动状态下停留的时间更长，其脑信号在与异常β波和低γ波相关的频段显示出更强的活动。但当科学家们探问哪些特征最能区分这三种运动状态时，出现了新的关键指标。称为Hjorth复杂度和Hjorth活动度的度量——分别概括信号的不规则性和变化速度——证明是强有力的标记。在受损半球，复杂度升高且活动度降低与无动的发生紧密相关，而其他特征，如高频γ功率，则与主动运动相关联。

聚焦运动停止的瞬间

利用能够学习数据紧凑“映射”的神经网络，研究者可以将每个短时窗置于低维空间中，在那里行走、原地移动和无动占据不同区域。在这个空间内，Hjorth度量和异常的β–低γ带强烈影响无动片段的位置。当团队聚焦于无动发作开始前后的几秒钟时，观察到一个一致的序列：复杂度和类β能量在停止前及停止时上升，而活动度和γ功率则下降。关键是，这些度量可以快速计算，无需复杂的频率分析，使它们成为实时监测的有吸引力候选指标。

从大鼠到出现步态冻结的患者

随后团队探查这些神经指纹在人类中是否也出现。他们分析了两位出现步态冻结的帕金森病患者的详细动作捕捉数据与植入在一处深部脑结构（底丘旁核）的电极记录。在一名参与者中，冻结发作期间出现了与大鼠相同的模式：Hjorth复杂度和β功率升高，同时Hjorth活动度下降。尽管γ带在物种间的表现有些差异，但运动滑入病理状态的核心信号在大鼠皮层与该患者的底丘旁核中惊人地相似，提示运动网络中存在共同的潜在机制。

这对未来疗法可能意味着什么

通过将精细的运动追踪与对脑电波的先进分析相结合，这项工作识别出在帕金森病步行即将崩溃时的简单、计算负担轻的“指纹”。对公众而言，这意味着医生和工程师或许很快能够构建实时监测这些指纹并仅在必要时响应的脑刺激器，在冻结发作完全形成前将系统引导回正常状态。尽管仍需更大规模的人体研究，但这一方法为针对致残性步态问题的个性化闭环治疗开辟了有前景的道路。

引用: Garulli, E.L., Merk, T., El Hasbani, G. et al. Deep neurobehavioral phenotyping uncovers neural fingerprints of locomotor deficits in Parkinson’s disease. npj Parkinsons Dis. 12, 65 (2026). https://doi.org/10.1038/s41531-026-01280-4

关键词: 帕金森病, 步态冻结, 脑节律, 深部脑刺激, 神经行为表型