帕金森病（PD）是第二大神经退行性疾病，主要表现为黑质致密部多巴胺能神经元的退行性改变，导致纹状体多巴胺水平下降及随后的运动和非运动症状。其中，睡眠障碍作为一种非运动症状，常出现在运动症状之前。该研究旨在探索睡眠结构与PD进展之间的关系，利用啮齿动物模型分析来自不同脑区的皮质脑电图（ECoG）信号，同时整合皮质肌肉相干性（CMC）指数，以寻找最佳的自动睡眠-觉醒评分方法。此外，研究还旨在探索与β波功率互补的生物标志物，以优化闭环深脑刺激（DBS）治疗程序。这些研究成果有望深化对PD睡眠障碍的理解，为早期诊断和个体化治疗提供更有效的策略，从而对PD的长期管理产生重要影响。
该研究旨在通过分析正常和PD大鼠的ECoG和肌电图（EMG）信号，实现自动睡眠-觉醒状态分类和早期PD诊断。研究利用了从正常和PD大鼠提取的ECoG功率、EMG振幅和CMC值来构建基于支持向量机（SVM）算法的睡眠-觉醒分期模型。随后，作者将可作为PD诊断标志的特征值纳入模型，并进行了重新训练，以涵盖睡眠-觉醒不同状态的识别和PD的诊断。该研究实现了对黑质损伤的精确检测和睡眠-觉醒状态的监测。昼夜节律监测与疾病状态评估的整合有望极大地提高治疗策略的有效性。
01
研究结果分析
首先，通过分析在不同睡眠-觉醒状态下神经生理信号在频域的特征，作者发现EMG振幅、ECoG功率以及不同频段的CMC值在不同状态间的明显变化如下图所示。具体而言，EMG振幅从清醒状态到快速眼动（REM）睡眠逐渐降低，而ECoG功率在非快速眼动（NREM）睡眠状态下显示出δ、α和低β波段的增加，尤其是枕叶ECoG和EMG信号在θ波段的相干性值在REM睡眠时达到峰值，在NREM睡眠时达到最低点。这些结果突显了不同状态下EMG振幅、ECoG功率和不同频段CMC值的动态相互作用。然后，作者成功构建了4个用于睡眠-觉醒分类的SVM模型。这些分类模型的平均准确率在80%至90%之间，且具有较高的Cohen's kappa值（0.77±0.05）。
在构建睡眠-觉醒分类和PD诊断整合模型时，作者在选择了来自不同皮层区域的ECoG信号作为睡眠-觉醒分类指标，以及共享的EMG和PD分类指标。结果显示2个综合分类器的平均准确率和kappa值分别约为84%和0.79。同时，研究发现通过结合枕叶和额叶相比于仅依赖额叶ECoG可提高平均准确率（84.87% ±2.22% vs. 83.90%±2.50%）。
02
结论
睡眠障碍在PD患者中的普遍存在，常常作为神经退行性变的早期表现。该研究采用了ECoG和EMG信号与SVM相结合的方法来实现睡眠-觉醒分类，平均准确率较高（86.36%）。在数据采集过程中，作者观察到了不同脑区的ECoG信号在不同频率范围内的特征。在清醒状态下，枕叶ECoG中的θ波振幅较高，与之前的研究结果一致。此外，在REM睡眠期间，θ活动的高峰位于枕叶皮层而不是额叶皮层，这可能归因于枕叶ECoG对海马θ活动的敏感性。作者还研究了CMC指数的改变，结果揭示了在不同睡眠-觉醒状态下皮层区域与肌肉组织之间相互作用的动态变化。此外，作者还筛选了新的生物标志物来辅助β振荡在PD诊断中的应用，并通过重新训练模型将其与睡眠-觉醒评分指标相结合，取得了很高的平均准确率（84.39%）。
该研究的意义在于深入探索了睡眠-觉醒节律与PD的关系，并为优化PD治疗提供了理论依据，尤其是通过整合昼夜节律监测和疾病状态评估来改善治疗策略。这一研究成果为未来进一步研究PD治疗策略提供了重要的支持。
通讯作者：辛涛，山东第一医科大学第一附属医院、脑科学与类脑研究院、医学科技创新中心，教授，博导；苏斐，山东第一医科大学放射学院，教授，博导；
文章链接：
http://dx.doi.org/10.1111/cns.14708
—— End ——
仅用于学术分享，若侵权请留言，即时删侵！
欢迎加入脑机接口社区交流群，
探讨脑机接口领域话题，实时跟踪脑机接口前沿。
加微信群：
添加微信:RoseBrain【备注：姓名+行业/专业】。
欢迎来稿
1.欢迎来稿。投稿咨询，请联系微信：RoseBrain
2.加入社区成为兼职创作者，请联系微信：RoseBrain
一键三连「分享」、「点赞」和「在看」
不错每一条脑机前沿进展 ~