分数阶动态网络稳定性调控抑制癫痫发作

《Scientific Reports》：Stabilizing fractional dynamical networks suppresses epileptic seizures

　　

全球约1500万药物难治性癫痫患者面临巨大的经济与心理负担，现有治疗手段中药物仅能缓解70%患者的发作，手术因对致痫灶定位不清成功率仅为30%至70%，植入式神经刺激装置则受限于预编程响应缺乏个性化适配、参数长期固定无法匹配脑状态动态变化等问题。研究人员提出基于颅内脑电图数据构建的分数阶动态网络模型，对宾夕法尼亚大学与梅奥诊所共10例患者35次自发性癫痫发作进行模拟控制。多尺度分析显示，发作间期、发作前驱期、发作期及发作后期间的分数阶指数(α)与系统特征值可明确区分四种癫痫脑状态。模拟控制结果显示，34次发作的活动被有效抑制，信号平均振幅降低49%。该研究证实分数阶动力学可精准表征癫痫发作相关的脑状态特征，并为癫痫抑制提供了新型控制策略。

研究背景与意义

癫痫作为一种脑部反复异常放电导致的慢性疾病，全球患病人数超过5000万，仅1993至2019年美国直接医疗成本就达2000亿美元。现有抗癫痫药物仅能控制70%患者的发作，手术切除致痫灶的成功率波动于30%至70%，其局限性源于对癫痫发作起始机制与传播路径的认知不足。针对约1500万药物难治性癫痫患者，植入式神经刺激装置成为重要治疗选择，但现有设备如FDA批准的NeuroPace响应式神经刺激系统(RNS)依赖医师预设的固定刺激模式，无法根据脑状态动态调整，存在过度刺激、疗效异质性高等缺陷，甚至有研究提示高频刺激可能降低单次发作强度却增加发作频率。因此，精准刻画癫痫发作的动态演化规律并设计个性化干预策略，成为癫痫治疗领域的核心科学问题。本研究发表于《Scientific Reports》，首次将分数阶动态网络理论应用于癫痫全周期脑状态建模与控制，为突破现有神经刺激的局限性提供了新范式。

关键技术方法

研究人员采用国际癫痫电生理门户的10例患者颅内脑电图(iEEG)数据集，其中6例来自宾夕法尼亚大学医院(HUP)，4例来自梅奥诊所(MAYO)，共包含35次局灶性发作记录。数据预处理阶段对iEEG信号进行0.1Hz高通滤波，按临床标注划分为发作间期、发作前驱期、发作期及发作后期间，采用3秒滑动窗口与1秒步长提取时序片段。核心建模方法为离散时间分数阶动态网络，其状态方程表示为Δ^αx[k]=Ax[k-1]，其中x[k]为N维电极信号向量，A为空间耦合矩阵，α为分数阶指数向量，通过Haar小波变换估计α值，结合带未知输入迭代估计的期望最大化算法辨识矩阵A。控制策略基于分数阶系统稳定性定理，通过凸优化求解稀疏耦合修正矩阵?，实现发作期网络特征值向单位圆内的稳定迁移。

研究结果

分数阶动态网络对癫痫数据的拟合性能

研究人员通过计算决定系数R²评估模型拟合优度，在140个癫痫脑状态片段中，126个片段（占90%）的60%以上电极R²≥0.5，被纳入后续分析。排除的14个片段主要为发作后期间（8段）与个别患者的发作间期（5段），其共同特征是信号振幅极端（极低或极高），表明分数阶模型适用于刻画活跃神经活动而非抑制状态。

癫痫脑状态的多尺度与稳定性特征演变

多尺度分析显示，发作间期分数阶指数α中位数为0.75（四分位距0.66-0.84），记忆依赖性弱；发作前驱期α降至0.68（0.54-0.82），记忆依赖性增强；发作期α进一步降至0.63（0.48-0.77），呈现混沌特性；发作后期α回升至0.78（0.62-0.94），未恢复至发作间期水平。特征值分析显示，发作间期特征值中位数0.80（0.76-0.85），部分大于1提示不稳定；发作前驱期特征值收紧且均小于1，系统趋于稳定；发作期特征值略升且分布变宽，接近失稳边界；发作后期特征值变异度显著增加，提示恢复过程的不稳定性。

个体内效应量显著高于群体水平

群体水平配对比较显示各脑状态间差异均具统计学意义（p<0.001），但效应量为小到中等（Cohen's d=0.32-0.68）。个体内分析则显示效应量大幅提升，发作间期与发作期α比较的Cohen's d达1.19，特征值比较达1.00，提示患者个体内脑状态差异显著，而群体异质性会稀释统计效应，支持个性化治疗的必要性。

稳定控制对癫痫发作的抑制作用

在发作期起始时刻，22次发作的网络处于不稳定状态（存在|λ|>1的特征值）。应用稳定控制器后，77%（17/22）的不稳定网络特征值迁移至单位圆内，所有35次发作的信号平均振幅降低48.96%±16.94%，初始稳定与不稳定网络的振幅降幅无显著差异。控制失败的8次发作均表现为优化问题的条件数显著升高（中位数1382 vs 成功案例28），提示数值病态可能是失败主因，其中创伤性脑损伤病因的患者HUP78所有5次发作均未实现稳定，反映病因特异性对控制效果的影响。

讨论与结论

分数阶动态网络模型能有效捕捉癫痫脑活动的多尺度记忆特性，其拟合优度在90%的数据片段中得到验证，排除片段的极端振幅特征提示模型更适用于活跃神经状态的刻画。多尺度与稳定性指标在四种癫痫脑状态中呈现规律性演变：发作间期至发作期的α递减反映神经活动历史依赖性增强，支持癫痫发作为自我维持性病理过程的假说；发作前驱期与发作期指标的高度相似性，提示病理网络状态在临床发作前已建立，与既往关于癫痫发作源于渐进式网络转变的研究结论一致；发作后期的指标异质性则揭示恢复过程的个体化特征。个体内效应量的显著性为α作为患者特异性生物标志物用于发作预测提供了依据。

稳定控制策略在模拟中实现34/35次发作的振幅抑制，平均降幅近50%，证明分数阶控制框架的可行性。与传统的线性时不变模型相比，分数阶模型兼顾多尺度特性与参数可估计性，避免了非线性振荡器模型难以从数据辨识的局限。研究同时指出，控制失败案例的数值病态可能源于特定病因（如创伤性脑损伤）导致的网络结构不可逆改变，提示未来需针对不同癫痫病因设计差异化控制策略。当前研究仍局限于离体模拟，后续需开展动物实验验证，并将控制输入转化为安全的电刺激或经颅磁刺激范式，推动临床转化。