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联合德国柏林夏里特医学院、美国加州大学旧金山分校，在国际数字医学领域顶尖期刊《npj Digital Medicine》（IF：18.0/Q1 TOP）发表题为“Generative deep learning reconstructs subcortical neural signals from cortical recordings for closed-loop brain stimulation”的研究论文。研究汇集三个国际中心49例运动障碍病患者、723小时皮层与脑深部同步电生理记录，建立了一套生成式深度学习框架，能够从大脑皮层信号重建脑深部核团的电活动，让闭环脑深部电刺激在深部记录之外多出一条反馈途径。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杨岸超教授、张建国教授与德国柏林夏里特医学院Wolf-Julian Neumann教授为共同通讯作者。
闭环脑深部电刺激（DBS）要先读懂大脑此刻的状态，再决定何时刺激、刺激多强。目前临床上最成熟的做法，是从植入丘脑底核的电极上读取β振荡，该节律与帕金森病的运动症状密切相关。可是整套疗法里，较不稳定的恰恰也是这个环节。治疗用的电刺激同时也在制造干扰，运动伪迹、导线故障和信号丢失都会让深部记录在某些时段失效；而要想一边刺激一边记录，现有设备只能采用上下夹持的“三明治”参考记录法，能用的刺激通道局限于一到两个。
既然深部记录难保可靠，团队索性改从别处入手，用贴在大脑皮层表面的皮层脑电图去反推深部核团的活动。这么做存在解剖学依据，运动皮层和丘脑底核之间连着一条单突触的超直接通路，两者本来就在不停对话。研究纳入柏林、北京和旧金山三个中心的帕金森病、肌张力障碍与抽动秽语综合征患者，其中天坛队列贡献了272.3小时记录，还配有同步的整夜多导睡眠监测。建模分三步递进，先用频谱特征训练传统机器学习模型，再换成直接读取原始波形的卷积神经网络，最后引入生成式的去噪扩散概率模型。
图1. 从大脑皮层活动解码脑深部信号的总体框架
深度学习明显强过传统机器学习方法，带来约40%的β解码准确率提高。此外，解码效果也存在解剖特异性。由于high-β成分主要沿超直接通路传来，低-β成分更多反映局部活动，前者比后者更易通过皮层电极解码；触点落在运动皮层和丘脑底核运动区时，解码也明显好过非运动区；记录位点上穿行的超直接通路纤维越密集，解码准确率越高。
静息与运动、清醒与睡眠、服药前后、刺激关机与开机，各种状态下皮层-深部均能保持稳定解码。值得注意的是开机时的表现，由于电刺激伪迹是闭环DBS的主要阻碍，而在该模型中开机与关机的解码性能并没有显著差别。此外，团队又把这套方法用到苍白球内侧部、丘脑中央中核，以及肌张力障碍和抽动秽语综合征，证明这套皮层-深部解码框架的跨疾病、跨解剖位点稳定性。
一条频段功率曲线说到底只是个读数。要让重建信号真正顶替深部记录，得把波形本身还原出来。团队为此引入去噪扩散概率模型，和当下AI生图用的是同一类模型，只不过生成的不是像素，而是一段电信号。模型从纯噪声起步，一步步去噪，最终生成丘脑底核的原始信号。亚秒级的波形、群体功率谱、长达一小时的β功率变化，重建信号都对得上真实记录；单凭重建出来的特征做留一交叉验证，就能显著预测患者的UPDRS-III运动评分（R²=0.70）。速度上，一块普通显卡生成一秒信号只要41.6毫秒，具备实时部署的理论基础。
然而这套方法是否真的具备临床实用性？研究直接做了检验，补上皮层重建的深部通道，睡眠分期和运动解码效果都有显著提高，一位示例患者的清醒/睡眠期识别率从59.1%升到80.8%。此外，运动伪迹一旦把深部信号污染，重建信号不但能替代受到污染的深部信号，还把伪迹掩盖住的运动相关β抑制重新显现出来。睡眠这部分数据全部来自天坛队列的整夜多导睡眠监测。
这样一来，闭环DBS的反馈就不必仅仅局限于深部电极一处，深部记录能用时是皮层-深部重建的录像可以作为补强，用不了时可以作为替补。更值得期待的是无创神经调控这条路；经颅聚焦超声、时域干涉刺激已经能把能量送进深部核团，却没办法在深部记录，缺了反馈，就迈不进闭环这一步，而从皮层记录重建深部信号，正是补上深脑闭环反馈的这关键一步。
图2. 皮层重建信号对睡眠分期与运动解码的补强作用
原文信息：Yin, Z., Merk, T., Olaru, M. et al. Generative deep learning reconstructs subcortical neural signals from cortical recordings for closed-loop brain stimulation. npj Digit. Med. (2026). https://doi.org/10.1038/s41746-026-03173-5
张建国 教授
首都医科大学附属北京天坛医院
功能神经外科教授，主任医师，博士生导师
皖南医科大学脑科学研究院（北京天坛医院安徽分院）院长
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
首都医科大学运动障碍性疾病诊疗与研究中心主任、神经调控技术国家工程研究中心副主任
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
兼任中国医师协会神经外科医师分会常务委员兼总干事、中国医师协会神经调控专业委员会主任委员、中国抗癫痫协会（CAAE）副会长、中华医学会神经外科学分会神经生理监测学组主任委员、北京医学会帕金森病与运动障碍分会副主任委员、北京医学会神经外科分会副主任委员、中国神经调控联盟理事长、世界立体定向和功能神经外科学会（WSSFN）常务理事、亚洲癫痫外科协会常务理事等
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
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
主编和编译论著8部，主持撰写临床诊疗指南及专家共识8项，其中1部被纳入国际指南规范
2018年获“国家科技进步一等奖”，2021年获“华夏医学科技奖一等奖”，2021年当选“北京学者”等
识别二维码，前往张建国 教授学术主页
查看更多精彩内容
杨岸超 教授
首都医科大学附属北京天坛医院
神经外科副主任，医学博士，主任医师，教授，博士生导师
兼任中国医师协会神经修复学专业委员会神经调控与人工智能学组副组长、中国医师协会神经修复学专业委员神经网络重建学组委员、北京医学会帕金森病与运动障碍分会青年委员、中国抗癫痫协会青年委员、中国神经调控联盟秘书、中国老年医学会神经外科分会委员、世界立体定向及功能神经外科协会会员、神经外科手术机器人应用示范项目专家指导委员会委员、中国医疗器械技术审评组专家、《立体定向和功能神经外科杂志》编委
长期从事帕金森病、癫痫、面肌痉挛、三叉神经痛等疾病的基础与临床研究；完成国家级及省部级医学课题各一项，承担2项国自然、1项首都发展课题；个人2017年首都转化医学创新大赛三等奖，2015、2021年获团体北京市科技进步一等奖，2021年团体华夏科技进步一等奖
识别二维码，前往杨岸超 教授学术主页
查看更多精彩内容
尹子霄 博士
首都医科大学附属北京天坛医院
首都医科大学附属北京天坛医院-柏林Charité医学院联合培养博士，北京天坛医院张建国教授团队，研究方向为脑功能性疾病的神经调控治疗
在Brain、Nat Commun、NPJ Digit Med、JNNP等期刊发表第一/通讯作者SCI论文20余篇
获2026国际帕金森病与运动障碍疾病协会Junior Award，2024年全球DBS Think Tank青年学者挑战金奖，入选中国科协“科技智库青年人才计划”，主持国家自然科学基金、北京市自然科学基金等多项课题
识别二维码，前往尹子霄 博士学术主页
查看更多精彩内容
声明：脑医汇旗下神外资讯、神介资讯、脑医咨询、AiBrain所发表内容之知识产权为脑医汇及主办方、原作者等相关权利人所有。未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。投稿/会议发布，请联系400-888-2526转3脑医汇App全新功能“AI问答”正式上线，您临床实践中的得力助手！欢迎点击“阅读原文”了解更多！
