通过模型参考控制对癫痫发作重构与衰减的计算建模

为什么用智能计算来平息癫痫发作很重要

癫痫发作可能突如其来，干扰日常生活，并在严重情况下威胁个人安全。医生已经在部分患者身上使用电刺激作为治疗手段，但确切的参数——刺激强度、频率以及模式——仍主要依靠试验和误差来决定。本文探讨了一种新途径，利用计算机和真实脑电记录先在虚拟发作上“演练”，学习如何在屏幕上减弱发作，然后再将电流应用于患者。

在动荡的脑电波中识别模式

作者从这样一个想法出发：发作与非发作的脑活动各自具有可识别的电学特征。利用头皮脑电图和患有全面性强直-阵挛发作者的颅内脑电图，他们比较了安静期与完整发作期间记录到的脑电波。即便不做强滤波，发作期也表现出更大幅度的波动和更有规律的低频爆发，而背景活动则更不规则、幅度更小。在频域上，发作在低频段具有额外能量，并随时间招募更宽的频带，这表明少数主导节律可能推动异常活动。

为复杂大脑搭建简单替身

团队并不试图复刻大脑的所有细节，而是构建非常简单的“替身”模型，使其表现得像单一振动系统——在精神上类似于弹簧上的质量块或基础电路。他们使用基于正交函数（实际操作中类似傅里叶分解）的数学工具，直接从记录的EEG和iEEG信号中识别出这些模型。一个模型拟合非发作数据，另一个拟合发作数据。单独看，这些模型相当粗糙，但当它们置于一个反馈回路中并不断推动模型输出向真实记录靠拢时，模拟活动就能紧密追踪真实的发作或非发作信号。一个关键的调节旋钮称为衰减率，它决定模型被迫追随数据的速度——以及所需输入的强度。

教会模型将发作推回正常状态

一旦发作模型能够忠实重放患者的发作，作者添加第二个反馈回路，其任务是使类发作活动更像非发作模式。这被称为模型参考控制：非发作模型定义所期望的行为，控制器计算出电刺激以将发作模型驱向该参考。作者测试了两个版本。在自适应版本中，控制器的增益会根据表现随时间变化，产生爆发式脉冲，在整个记录中将发作功率大约削弱三分之一。在固定增益版本中，控制器重复使用最初为重构非发作活动设计的增益；经过适当调优，这种更简单的方案可在相对温和的刺激强度下将发作功率降低超过80%。

寻找现实可行的刺激配方

研究还考察了设计选择如何影响效果与安全性。更高的衰减率能使模型更好地匹配数据，但需要更强的刺激，并且可能实际上降低发作抑制的百分比。存在明显权衡：对发作更精确的描述需要更强烈的脉冲来抑制。通过调整参数并有意限制最大输出，作者将模拟电压主要控制在约5到18伏，频率约在2到80赫兹——这些范围与临床上用于癫痫及其他疾病的脑刺激重叠。他们表明，诸如对输出做饱和处理或开关控制器的方法，可以在进一步限制强度的同时仍实现有意义的衰减效果。

从虚拟控制回路走向床边工具

尽管这些实验完全是计算性的，但它们勾画了可行的路线图。在日常监测中，大段的非发作EEG可用于持续更新简单的参考模型及其控制器。当检测到发作时，同一控制器——在设计时无需事先见过该次发作——即可驱动一个开环刺激器，输出脉冲的形状、频率和幅度由虚拟实验提供依据。一个独立的监测系统将评估真实发作是否在减弱，并相应地调整或限制输入。简而言之，这项工作表明计算机可以利用既往记录排练如何最好地平息发作，为医生提供关于“如何刺激”的更明确指导，而不必纯粹依赖试错法。

引用: Brogin, J.A.F., Faber, J., Ryvlin, P. et al. Computational modeling of seizure reconstruction and attenuation via model reference control. Sci Rep 16, 9951 (2026). https://doi.org/10.1038/s41598-026-39645-7

关键词: 癫痫, 发作控制, 脑刺激, 计算建模, 脑电图