近日，首都医科大学附属北京天坛医院神经外科学中心张建国教授团队在全球电子医学顶尖期刊《NPJ Digital Medicine》发表题为“Generalized sleep decoding with basal ganglia signals in multiple movement disorders”的研究论文。研究团队通过构建当前国际最大样本量的睡眠颅内电生理数据库，结合前沿的机器学习及深度学习模型训练手段，首次在人脑中实现了基于脑深部核团信号的跨患者、跨病种、跨脑区的可泛化通用睡眠分期自动解码，并通过了多中心验证。该工作作为新型闭环脑深部电刺激（adaptive Deep Brain Stimulation，aDBS）的重要组成部分，为通过高时空精度电刺激干预睡眠周期、改善睡眠障碍的临床脑机接口系统提供了数据和算法支撑。首都医科大学附属北京天坛医院尹子霄博士为第一作者，首都医科大学附属北京天坛医院张建国教授（末位通讯）、尹子霄博士、加州大学旧金山分校Simon Little教授为共同通讯作者。

睡眠障碍影响全球众多人群，仅在我国就有超过3亿人存在睡眠障碍。对于神经系统疾病患者而言，睡眠障碍不仅降低患者的生活质量，还可能加速疾病进展。脑深部电刺激（DBS）作为一种治疗运动障碍疾病的方法，已被证实能有效改善运动症状及相关的睡眠问题。尤其是新型闭环脑深部电刺激（aDBS）技术，它通过在特定睡眠阶段进行模式化刺激，展现了进一步提升睡眠质量的巨大潜力。然而，这项技术对自动解码患者的睡眠-觉醒周期提出了很高的要求。

研究团队基于这一科学问题，针对性地构建了目前国际最大的睡眠期颅内电生理数据库（141名患者、169晚记录）。基于这一数据库，团队尝试构建了梯度提升决策树模型、人工神经网络模型等八种前沿机器学习及深度学习模型，并从中选取最优的可泛化模型作为最终睡眠解码模型。结果显示最优模型在跨患者、跨病种、跨脑区的交叉验证中，可以成功在从未见过的测试患者中以超过85%的准确率、高时间分辨率地辨认清醒、快动眼睡眠及非快眼动睡眠期。后续在包括清华大学数据集和加州大学数据集的外部验证集中，该模型仍然可以达到超过80%的准确率。该通用性睡眠解码模型的构建不仅为闭环脑深部电刺激技术在运动障碍性疾病中的应用提供了算法基础，同时为未来睡眠障碍的植入性脑机接口干预提供了数据支撑。目前，该成果已经完成了软著及专利布局，并正在进行临床转化。

图 通用睡眠解码模型训练、验证流程图

该研究受中国国家自然科学基金（项目编号：81830033，81870888) 和北京市医院管理中心临床医学发展专项—“扬帆计划”（ZLRK202313）等项目支持。

张建国，教授，主任医师，博士生导师，享受国务院政府特殊津贴、北京学者、北京市有突出贡献专家。现任首都医科大学附属北京天坛医院神经外科学中心副主任兼功能神经外科主任，北京市神经外科研究所功能神经外科研究室主任、神经电刺激研究与治疗北京市重点实验室主任。专注脑功能性疾病30余年，率先应用脑起搏器治疗帕金森病，开启了神经调控治疗脑功能性疾病的序幕，建立首个国家级神经调控多学科诊疗体系和平台，组建中国神经调控联盟，主持推动脑起搏器国产化的临床验证，为我国有源性植入脑起搏器的研发和临床推广做出了突出贡献。曾先后带领团队获得北京市科学技术奖二等奖、中华医学科技三等奖、教育部科技进步奖二等奖、北京市科技进步一等奖、国家科技进步一等奖、华夏医学科技奖一等奖。主持科技部、国自然重点及省部级课题20余项，近5年在《JAMA Neurology》《Nature Communications》《JNNP》《Brain》等国际期刊发表相关研究成果150余篇。

撰稿人：张建国

排版：王婉婷

审核人：王拥军