作为一种无创的脑调控技术，经颅刺激（TMS）在精神疾病的治疗研究中得到了广泛的应用，并且在不同精神疾病的临床治疗中表现出了相当大的潜力。然而，传统的TMS治疗在不同病人上取得的治疗效果有相当大的变异，且对于目标疾病的改善仍比较有限，因此仍有很大的提升空间。针对目标疾病和病人个体差异制定个性化的治疗参数是提升TMS治疗效果的可能途径。传统的TMS治疗中，治疗目标通常是基于单个感兴趣区域的解剖标号确定的，例如治疗重度抑郁时选择的左侧背外侧前额叶。然而，越来越多的证据表明包括抑郁症在内精神疾病发生通常伴随多个脑区构成的网络失调，而非仅仅单个脑区的局部异常。此外，在对神经目标的靶向过程方面，传统的TMS治疗通常只考虑对感兴趣区域空间位置上的接近。TMS下游作用的研究则提示了TMS存在网络水平的调控效应。而即使在解剖标号相同的情况下，TMS的治疗效果也被发现与实际刺激区域的网络连接特性有关。因此，通过考察TMS刺激区域的网络连接特性（刺激网络）与目标疾病有关网络异常（病理网络）之间的关系，可能从网络水平揭示TMS在个体病例上从刺激参数到实际治疗效果的对应关系，从而指导个体化的TMS刺激参数优化。2023年1月4日，《Frontiers in Neuroscience》在线发表了题为“Targeting the pathological network: feasibility of network-based optimization of transcranial magnetic stimulation coil placement for treatment of psychiatric disorders”的研究工作，该工作由北京师范大学认知神经科学与学习国家重点实验室朱朝喆课题组完成。针对TMS治疗精神疾病的线圈参数优化问题，该工作拟将精神疾病异常脑影像为靶，构建了脑网络靶向模型，并通过三套临床数据对模型进行了回溯性的验证，之后在抑郁症和精神分裂症幻听上进行线圈参数寻优。其中脑网络靶向模型包括TMS刺激网络（Stimulation Network），病理网络（Pathological Network）和靶向精度（Network Targeting Accuracy, NTA）三部分内容。刺激网络被定义为TMS局部刺激位置所对应的静息功能网络，TMS线圈在个体被受试者放置参数首先由个体的参数空间（Jiang et al., 2022）定量描述，通过结合个体结构像和有限元模型的TMS皮层电场模拟模拟和静息功能连接计算对TMS的局部效应和相应的远端效应进行建模。病理网络（Pathological Network）疾病、症状特异的全脑范围的活动异常。借助大样本的元分析结果描述。最后，两个网络的空间模式上的相关程度被用于描述网络水平的靶向精度。
图1. 脑网络靶向模型示意图
研究者利用两套抑郁症数据和一套精神分裂症幻听数据验证模型。研究者分别将每个个体的结构像分割，并从个体线圈放置参数计算对特定病理网络的NTA值。最后，研究者在群组水平上计算NTA值和治疗效果的相关。研究者发现，NTA值在三套临床数据上都可以显著预测治疗效果。并且，对模型中靶网络位置和治疗位置的置换检验表明，该结果具有较高稳定性。同时，该预测结果具有较高的鲁棒性，不受电场阈值等参数的影响。值得注意的是，该模型在预测精神疾病的治疗效果时，具有症状选择性。在精神分裂症幻听数据集上，模型只能预测精分阳性症状，不能预测精分阴性症状。同时，在阳性症状中，也只能预测幻听相关项目，不能预测妄想、奇异行为等项目。
图2. 脑网络靶向模型在抑郁症和精神分裂症幻听数据集上的验证
此外，研究者利用脑网络靶向模型，在抑郁症和精神分裂症幻听数据上选择覆盖常规治疗位置的区域，计算区域内所有线圈位置和朝向的NTA值，并进行参数寻优。研究者发现，位置和朝向存着显著的交互作用，个体的最优参数组合在不同收拾者上存在比较大的变异。
图3. 脑网络靶向模型在抑郁症上的线圈参数寻优实验
该研究提示了以精神疾病为靶，优化TMS线圈位置和朝向参数的可能性，为精准治疗TMS疾病提供了最新的参数优化方案。北师大朱朝喆课题组博士生曹正操和毕业生肖翔博士为论文的并列第一作者，通讯作者为北京师范大学朱朝喆教授和美国卫生研究院（NIH）杨一鸿教授。课题组毕业的赵阳博士、蒋依涵博士、及谢聪参与了本项研究。北师大珠海校区李征教授及加州大学医学院的Zafiris J. Daskalakis教授为本研究提供了帮助。特别感谢法国INSERM研究机构的Marie-Laure Paillère-Martinot医生及Eric Artiges博士提供的临床数据。本研究的工作得到了国家自然科学基金（82071999）等项目的资助。论文：Cao Z †., Xiao X†., Zhao Y., Jiang Y., Xie C., Paillère-Martinot M-L., Artiges E., Li Z., Daskalakis Z., Yang Y*., & Zhu C*. (2023) Targeting the pathological network: Feasibility of network-based optimization of transcranial magnetic stimulation coil placement for treatment of psychiatric disorders. Front. Neurosci. 16:1079078. http://doi.org/10.3389/fnins.2022.1079078
论文连接：https://www.frontiersin.org/articles/10.3389/fnins.2022.1079078/full
其他相关文献
1. Jiang Y., Du B., Chen Y., Wei L., Zhang Z., Cao Z., Xie C., Li Q., Cai Z., Li Z., & Zhu C*. (2022). A scalp-measurement based parameter space: Towards locating TMS coils in a clinically-friendly way. Brain Stimul. 15, 924–926. https://doi.org/10.1016/j.brs.2022.06.001
2. Xiao X., Yu X., Zhang Z., Zhao Y., Jiang Y., Li Z., Yang Y., & Zhu C*. (2018). Transcranial brain atlas. Sci. Adv. 4:eaar6904. http://doi.org/10.1126/sciadv.aar6904