脑机启侦丨“病灶网络映射”再升级：如何反向设计调控靶点？

速 览

记忆障碍广泛存在于神经精神疾病中，尽管已有多个非侵入性脑刺激靶点在阿尔茨海默病谱系中显示初步疗效，但最佳靶点选择仍不明确，亟需实证方法优化。

4月，Shan H. Siddiqi 团队在bioRxiv发表研究Non-invasive Neuromodulation Targeting Approach by Mapping Stimulations and Lesions That Modify Visual Memory。结果表明，基于汇聚性因果映射整合刺激、损伤与萎缩数据，可定位视觉记忆网络；进一步通过估算刺激电场模型与视觉记忆网络之间的重叠区域来确定了潜在调控靶点。

研究方法

➢三个数据集：

TMS数据集其中被试是健康年轻个体，采用个体化皮层-海马靶点；退伍军人头部损伤数据集，年轻时头部受损，15年后出现认知问题；卒中损伤数据集，老年人。

上述数据集均有记忆评估分数。

➢映射方法：

♦ 基于fMRI，在标准脑模板上对刺激或损伤位点进行定位作为种子；

♦ 利用标准脑连接组数据库估算基于种子功能连接；

♦ 将标准功能连接数据与记忆评分进行相关分析，最终得到每个数据集标准记忆网络

➢最佳靶点确定：

♦ 在标准10–20 EEG电极系统中选取187个候选刺激位置。

♦ 针对每个候选位点，使用构建个体化电场分布模型。

♦ 每个候选刺激位点的电场分布与规范视觉记忆网络进行体素级加权匹配，构建“刺激–网络耦合”指标，并计算其与视觉记忆网络的空间相关性。

♦ 基于置换检验的p值选取最优靶点。

结 果

基于TMS数据集构建的视觉记忆网络与透性脑外伤数据集记忆网络正相关（下图A，B）；与卒中数据集记忆网络呈现负相关（下图C，D）。

最佳靶点分析，三个数据集共同揭示了后顶叶内侧潜在靶点（该把靶点与成熟楔前叶靶点相重叠；下图），TMS 与卒中数据集共同定位出一个外侧顶叶靶点（与成熟的靶向皮层 - 海马网络靶点存在重叠；下图B）。

参考文献：Simon Kwon, Soyoung Lee, Joshua S. Siegel, Nicole Chiulli, View ORCID ProfileMichael Freedberg, Melissa Hebscher, Joshua Hendrikse, Molly S. Hermiller, Gong-Jun Ji, Arielle Tambini, Eyre Ye, Shira Cohen-Zimerman, Maurizio Corbetta, Jordan Grafman, Joel L. Voss, View ORCID ProfileShan H. Siddiqi

DOI： https://doi.org/10.64898/2026.04.10.717784

来源 | bioRxiv、神经调控进展

浙大科技园启真脑机智能产业化基地是在浙大控股集团领导下，由浙江大学科技园发展有限公司与杭州未来科技城管委会共建，围绕脑机智能产业主体，辐射脑机+生命健康、脑机+智能制造、脑机+新一代信息技术、脑机+新材料等领域的专业化特色产业基地，由杭州启真未来科技发展有限公司负责全面运营。

基地依托浙江大学在脑机智能方面的学科优势，以脑机智能作为核心科技支撑，贯彻浙江大学国家大学科技园“有组织科技成果转化、有靶向科技企业孵化、有体系未来产业培育”的服务体系，致力于打造脑机智能领域具备成果显示度、区域影响力的产业化高地。