稳定分数阶动力学网络可抑制癫痫发作

为何平息大脑风暴很重要

对于数以百万计的癫痫患者而言，发作可能毫无征兆地发生，扰乱工作、学业和日常生活。许多患者对药物反应不佳，手术或植入装置也并非总能带来缓解。本研究探讨了一种新方法，使用能捕捉信号随时间演化的数学工具来读取并温和引导大脑活动，目标是使发作更弱并降低其扩散的可能性。

将发作视为不断变化的大脑状态

研究人员关注围绕一次发作的四个阶段：发作间的安静期、发作前的几分钟、发作本身以及随后的恢复期。他们使用直接放置在脑表面的电极记录的10名难治性癫痫患者的数据，将数据切分为短时间窗口，并将每个窗口视为不断变化的脑网络的快照。研究并非假定大脑仅对最近的活动作出反应，而是采用一种数学描述，允许当前状态依赖长期的过去信号，更好地反映大脑类似记忆的行为。

在脑节律中发现隐藏的模式

通过这种方法，研究组从记录中提取了两个关键特征。一个特征描述了当前脑活动对过去的依赖程度，捕捉到信号中的多尺度或长程记忆。另一个特征描述了网络在某一时刻是稳定还是不稳定。跨患者观察到，发作间的安静期表现出一种特征模式，发作前的早期预警期表现出另一种，而发作和恢复阶段各有其特征签名。特别是，当大脑从安静转向发作时，其活动对历史的依赖性增强，这表明一旦发作模式出现，它可能以自身的过去为燃料而自我维持。

温和的引导信号如何驯服发作

掌握这些模式后，研究者设计了一种控制策略，计算对脑网络进行小幅、有针对性的调整，类似恒温器将房间轻轻推回舒适温度。利用记录数据，他们模拟了如果在发作开始时施加此类稳定信号会发生什么。在35次记录到的发作中，有27次经调整后的网络在数学上变得稳定，而且在所有发作中，模拟的大脑信号强度平均下降了约一半。只有少数发作无法被稳定下来，作者将其归因于数值问题，这可能反映了这些病例中尤其复杂的大脑变化。

个体差异及其揭示的信息

当研究组将所有患者结果合并比较时，四种脑状态看起来不同但存在重叠。而当他们单独查看每个人时，状态之间的差异变得更加清晰。这表明发作动力学高度个体化，受每个人的大脑结构和病史影响。在许多患者中，从安静状态过渡到发作前状态比发作肉眼可见开始的时刻更易被检测到，暗示早期预警可能来自很久之前的微妙变化，而非外在症状出现的瞬间。

这对未来护理可能意味着什么

简而言之，该研究表明，可以将发作视为在网络化大脑中携带既往记忆的风暴，精心设计的控制信号或许能帮助平息这些风暴。尽管这些结果来自基于真实患者数据的计算机模拟，但它们指向未来可植入或非侵入性设备的可能性——这些设备能够感知个人独特的发作模式，并提供个性化、低强度的刺激，以将大脑活动保持在更健康的范围内。

引用: Wang, Y., Ashourvan, A., Ramos, G. et al. Stabilizing fractional dynamical networks suppresses epileptic seizures. Sci Rep 16, 16037 (2026). https://doi.org/10.1038/s41598-026-43151-1

关键词: 癫痫, 发作, 脑网络, 神经刺激, 脑电图