在运动障碍网络模型中进行非传统的深度大脑刺激

科学领域:

• 计算神经科学是一种神经科学.
• 神经调节是一种神经调节.
• 运动障碍 运动障碍

背景情况:

• 深度大脑刺激 (DBS) 是运动障碍的标准治疗方法,在全球范围内影响了超过20万名患者.
• 目前的DBS采用连续的,定期的正方形脉冲刺激,尽管研究表明不规则或爆发模式可能更有效.
• 之前的模型表明,与运动障碍相关的贝塔 (20 Hz) 和震 (4 Hz) 频段中的网络振荡.

研究的目的:

• 调查定期,不规则和相位依赖的突发刺激对贝塔和震动带神经活动的影响,使用人口级模型.
• 为了比较突发刺激模式与常规连续DBS在异常神经活动脱同步中的有效性.
• 使用遗传算法优化突发模式的刺激参数,以确定震和β频段抑制的有效策略.

主要方法:

• 利用以前建立的人口级神经网络模型,能够产生贝塔 (20 Hz) 和震荡 (4 Hz) 频段振荡.
• 模拟了连续,正规,不规则和相锁爆发刺激模式在各种振幅的应用.
• 采用基因算法来优化不同爆发模式的刺激参数,以评估它们在抑制病理振荡方面的有效性.

主要成果:

• 发现突发刺激模式在抑制病理振荡方面与连续DBS一样或更有效.
• 与贝塔频段振荡 (20 Hz) 相比,震动频段振荡 (4 Hz) 显著更容易被突发刺激抑制.
• 阶段锁定爆发比常规爆发提供了最小的额外好处,高振幅刺激可以驱动网络活动.

结论:

• 突发刺激是传统连续DBS的有希望的替代方案,用于管理与运动障碍相关的神经振荡.
• 与β-带活动相比,震动带活动更容易被优化爆发刺激抑制.
• 这些发现提供了网络层面的理解,以指导优化DBS刺激参数的开发,以改善临床结果.