文章

完全性SCI后残存运动单位在神经编码和空间分布上的适应性变化

2026-07-13     来源:本站     点击次数:39

背景介绍
 

脊髓损伤(SCI)会破坏大脑与脊髓运动神经元之间的连接,导致受损平面以下肌肉瘫痪。传统观点认为,完全性SCI患者无法产生任何随意运动。然而,过去四十年的证据表明,损伤平面以下的脊髓运动神经元可能仍有部分存活并保留功能,甚至能被患者尝试性地自主控制,尽管这种控制不足以产生可见的运动。但这种残余的神经活动及其背后的神经编码机制,尤其是单个运动单位(Motor Unit, MU)层面的行为特性,至今尚未被充分研究。理解这些残存的运动神经元如何适应损伤、它们如何响应“意图”以及它们的空间分布发生了何种改变,对于开发下一代脑-机接口或神经假体,以恢复患者的运动功能至关重要。本研究针对这一空白,聚焦于慢性完全性颈段SCI患者,探究他们在试图执行精细手部动作时,残存运动单位的功能特性及其与正常个体的差异。
 
论文摘要
 

本研究旨在揭示完全性SCI后,残存运动单位在神经编码和空间分布上的适应性变化。研究招募了8名慢性完全性颈段SCI患者和12名健康对照。通过高密度表面肌电和超声成像,记录受试者在尝试(SCI组)或执行(对照组)虚拟手指导的0.5Hz手指屈伸任务时的前臂肌肉活动。结果显示,两组均可从运动单位放电中提取出两个主要模式,分别与虚拟手的屈和伸动作高度相关,且其时间延迟无显著差异。这表明控制运动神经元的共性突触输入在SCI后得以保留。然而,SCI组表现出更高比例的、与任务调制无关的运动单位。此外,SCI组运动单位的空间分布范围显著大于对照组,但其动作电位幅值无显著差异。结合肌电与超声成像发现,SCI患者试图运动时,特定肌肉区域会发生位移,并与解码出的运动单位放电活动相关。结论是,尽管SCI后运动单位行为存在差异(如非调制单位增多),但运动意图(屈/伸)仍可从瘫痪肌肉中有效解码,这对开发高性能神经接口具有重要意义。
 

 
研究方法
 

本研究共纳入8名慢性完全性SCI患者(C4-C6)及12名健康对照。实验过程中,受试者观看以0.5Hz频率循环展示手部动作(各指屈伸、抓握等)的虚拟手视频。SCI组仅尝试模仿动作(实际无可见运动),而对照组则真实执行。核心设备采用高密度表面肌电采集系统,在受试者前臂放置4-5块高密度电极栅格(总通道数256或320;电极栅格包括8x8,电极间距10mm;及13x5,间距8mm)。信号经多通道放大器(Quattrocento, OT Bioelettronica)采集,采样率2048 Hz,带通滤波10-500Hz。采集的数据通过卷积盲源分离算法分解为单个运动单位。数据分析方面,使用非负矩阵分解提取运动单位放电的共性模式;通过计算运动单位放电与参考运动学之间的相位差及其圆方差,将运动单位分为任务调制型(方差<0.3)与非调制型(方差>0.7)[Figure 2]。此外,对部分SCI患者同步采集了前臂横断面超声影像,通过光流法评估组织位移,并将其与分解出的运动单位累积放电序列进行相关性分析。
 

 
实验结果
 
研究共从SCI组和对照组分别识别出622和766个运动单位。主要结果如下:1)运动单位模式:非负矩阵分解从两组数据中均提取出两个主要模式,分别对应屈和伸,且两组的时间延迟(Lag)无显著差异,表明共性输入保留。
 

 
2)运动单位调制特性:SCI组运动单位的放电与虚拟手运动的相关性显著低于对照组。通过相位分析发现,SCI组中非调制运动单位的比例显著更高(SCI组中位数28个/人 vs. 对照组10个/人),而任务调制单位比例更低
 

 
3)空间特性:SCI组运动单位的空间分布面积显著大于对照组(中位数560.0 mm² vs. 448.0 mm²)。
 
 
4)肌电-超声耦合:在SCI患者试图运动时,超声检测到特定肌肉区域的位移,该位移的时间进程与解码出的运动单位累积放电存在中度相关(峰值相关系数约0.4)。
 
 
5)信号重构:SCI组的肌电信号重构误差显著小于对照组,提示其激活的运动单位数量较少,分解更完整。
 

 
总结与展望 

本研究首次系统揭示了完全性SCI后,残存运动单位在神经编码与空间分布上的关键特征。尽管患者无法产生可见运动,其脊髓运动神经元池仍能接收并编码来自高层的、与特定动作(屈/伸)相关的共性输入。然而,损伤也导致了显著的功能分化:一部分运动单位仍能忠实编码任务信息(任务调制型),而另一部分则呈现与任务无关的、可能源于痉挛或异常传入的异常放电(非调制型)。此外,运动单位空间范围的扩大提示了损伤后可能存在轴突侧支出芽等外周神经重组。这些发现具有重要的临床应用价值:首先,证实了从瘫痪肌肉中解码精细运动意图的可行性,为开发直接脑-脊髓-计算机接口提供了生理学基础。其次,非调制运动单位的“噪声”信号需在未来解码算法中被识别和滤除,以提高控制精度。未来研究应关注如何通过长期闭环反馈训练,增强任务调制单位的活性并抑制非调制单位的干扰,从而促进神经可塑性,甚至部分恢复运动功能。个体间巨大的差异性也提示,需要基于患者残存运动单位的特性,制定高度个性化的神经康复策略。

原文链接
doi:10.1152/jn.00389.2024

研究团队介绍

本论文由德国、意大利多所顶尖机构的学者合作完成。通讯作者Alessandro Del Vecchio博士任职于德国埃尔朗根-纽伦堡大学(FAU)生物医学工程人工智能系,专注于运动神经元解码与神经接口研究,主持欧洲研究委员会(ERC)等多项基金。第一作者Daniela Souza De Oliveira为同一课题组研究人员。意大利都灵理工大学神经肌肉系统工程实验室(LISIN)的Alberto Botter、Marco Carbonaro教授提供高密度肌电与超声融合技术。德国波鸿鲁尔大学Brent James Raiteri博士参与实验设计,Matthias Ponfick医生来自施瓦岑布鲁克医院脊髓损伤中心,负责临床患者招募与评估。团队结合神经工程、康复医学与生物力学,长期致力于脊髓损伤后神经可塑性与人机接口研究

产品介绍
 

 
联系我们

电话: 15920901903
官网:https//www.ruihongan.cn

相关文章 更多 >