心脑共生与神经调控:从机制发现到闭环协同管理

《IEEE Computational Intelligence Magazine》:Heart–Brain Symbiosis and Neuromodulation: From Mechanism Discovery to Closed-Loop Synergistic Management

【字体: 大 中 小 】 时间:2026年04月07日 来源:IEEE Computational Intelligence Magazine 11.2

编辑推荐:

  研究人员很高兴欢迎读者阅读 2026 年《IEEE Transactions on Computational Social Systems》(TCSS)第二期。研究人员对作者、审稿人和编辑同仁的专业精神与及时付出深表感谢,正是这些努力维系了期刊在学术严谨性、

  
研究人员很高兴欢迎读者阅读 2026 年《IEEE Transactions on Computational Social Systems》(TCSS)第二期。研究人员对作者、审稿人和编辑同仁的专业精神与及时付出深表感谢,正是这些努力维系了期刊在学术严谨性、研究广度与持续发展方面的稳定势头。后续将继续强化研究质量,同时进一步提升编辑流程中的效率与透明度。

在本期社论《心脑共生与神经调控:从机制发现到闭环协同管理》中,研究人员强调了一种新兴的系统层面视角,这一视角与计算社会系统(Computational Social Systems)的精神高度契合:复杂结局往往产生于相互作用子系统之间的耦合动力学,而真正有意义的进展需要从孤立视角转向整合式、反馈驱动式框架。社论主张,应当由碎片化、器官中心化干预转向闭环心脑协同管理;这一转变可由多模态感知、计算建模以及无创神经调控所赋能。

除概念重构外,社论还强调了一条工程实现路径——连续多模态监测,例如脑电图(EEG)/心电图(ECG),基于人工智能(AI)的耦合度量,以及能够动态调整干预参数以恢复系统稳态(homeostasis,内稳态)的自适应控制/执行。该闭环视角为跨学科协作提供了具体蓝图,涵盖生理学、数据分析、控制理论以及负责任部署等多个领域。

本期共刊载 103 篇常规论文,覆盖计算社会系统中多样的方法学与应用领域。论文集合展现出活跃而广泛的研究图景:既包括在线信息生态中的建模与干预,例如用户临界转折点预测与谣言检测;也包括社会技术平台中的可信学习与治理问题,例如大语言模型(LLM)驱动社交机器人行为分析;还包括非法资金流发现与金融安全等高影响力应用,例如用于洗钱检测的图表示学习。本期未设置专题专刊,因此常规论文组合本身构成了当前研究进展的广角快照。
本文是一篇发表于《IEEE Computational Intelligence Magazine》的社论性综述文章,核心目的在于提出“心脑协同管理”这一系统医学与生物电子医学框架,推动复杂疾病干预从器官分割式模式转向闭环、动态、个体化的整合式管理。文章指出,传统医学长期将中枢神经系统(CNS)与心血管/自主神经系统(ANS)置于神经病学、精神病学和心脏病学等相互分离的学科版图中,这种还原论范式虽然适用于急性、局部性病变的处理,却难以解释和干预抑郁、帕金森病(PD)、癫痫及猝死风险等跨系统共病。随着计算心理生理学(CPP)和心理心脏病学的发展,研究人员认为,心脏与大脑并非彼此独立,而是通过神经环路、血流动力学、生理节律与信息传递机制构成双向耦合系统,因此需要建立以“耦合—感知—建模—调控”为主线的新型诊疗范式。

文章首先从理论基础出发,系统梳理“心脑共生”得以成立的结构性、生理性与计算性依据。在结构层面,中枢自主神经网络(CAN)被视为心脑相互作用的关键神经基底。前额叶皮层、前扣带回(ACC)、杏仁核等高级脑区负责加工内外部应激信息,并向下投射至下丘脑、中脑导水管周围灰质(PAG)以及脑干孤束核(NTS)和疑核(NA),最终经迷走神经调节逐搏心脏变异。文章据此强调,心率变异性(HRV)不仅是外周生理指标,更可视为前额叶抑制控制能力的高保真表征。与此同时,迷走神经的分子与细胞结构并非单一、均质的纤维束,不同内脏器官与组织层次对应不同基因模块和感觉神经元亚型,这为靶向性神经调控提供了更精细的生物学依据。

在耦合控制层面,文章进一步指出,心脑关系不仅存在神经信息回路,也深受血管生物力学约束。心脏不仅是泵,更是脉动能量发生器;主动脉弓硬度决定了传递至脑血管系统的脉动能量强度,进而影响脑微血管损伤风险与认知退化。也就是说,心脏机械特性能够直接塑造脑健康状态。更重要的是,这种关系并非仅是相关性的,而具备因果性证据:人工诱导的心动过速可直接调节岛叶皮层活动并驱动焦虑样行为,提示心脏在情绪和脑状态调节中并非被动响应者,而是主动驱动因素。基于这一认识,文章认为精神健康与神经疾病的调控方程中必须纳入心脏动力学变量。

从计算角度看,研究人员强调心脑耦合具有显著的非线性(nonlinearity)与状态依赖性(state dependence)。一方面,大脑通过迷走传出调控心脏,另一方面,心脏又通过压力感受器和内脏传入信号自下而上影响皮层感觉加工与情绪反应。另一方面,脑电图(EEG)与心电图(ECG)之间的信息流方向与强度会随镇静水平等生理状态变化而重构,提示意识与自主调节可能本身就是耦合强度的涌现产物。文章引入状态方程 S(t)=f(B(t),H(t),CBH),其中 B(t) 和 H(t) 分别表征脑与心脏状态,CBH 表征二者的动态耦合矩阵。这一公式概括了作者的核心观点:系统异常首先体现为拓扑结构与耦合模式偏离,而这些异常常先于明显临床症状出现,因此具有早期识别和干预价值。

在干预路径上,文章重点讨论了神经调控技术如何落实“心脑协同管理”。与药物干预全身弥散、空间特异性不足不同,生物电子医学提供了更具确定性的工程工具。经颅重复磁刺激(rTMS)和经颅直流电刺激(tDCS)虽可通过刺激前额叶影响 HRV,但其作用依赖皮层至脑干的下行通路完整性,因此在白质病变等情境下可能无法有效调动自主神经效应器。相比之下,经皮耳郭迷走神经刺激(taVNS)因其可无创靶向耳郭迷走神经支(ABVN)而具有独特战略意义。文章指出,taVNS 经耳甲艇或耳屏刺激后,可直接作用于 NTS 这一内脏传入枢纽,并同时激活两条关键通路:其一为自下而上通路,经蓝斑核(LC)和中缝核调控去甲肾上腺素和 5-羟色胺等递质释放,从而影响抑郁症状与皮层兴奋性;其二为自上而下或自主输出通路,经迷走神经背运动核增强心脏副交感输出,降低交感活性并调节心率参数。正是这种“双通路机制”,使 taVNS 不仅可改善情绪障碍,还可促进卒中后运动恢复、减轻全身炎症并重建自主平衡,从而成为真正作用于“脑—身—心”整体环路的调节器。

文章还特别强调,从开放环刺激走向闭环、自适应、个体化调控,是该领域未来的关键方向。研究人员引用一项闭环电刺激系统工作,说明通过实时前额叶 EEG 反馈动态调整 taVNS 参数是可行的,且 Lempel-Ziv 复杂度等神经动力学特征可用于追踪调制效应。这意味着神经调控不再局限于预设参数输出,而能够依据实时生理状态进行在线优化,从而迈向精密生物电子医学。

在临床对象方面,文章将多种共病重新解释为“统一心脑控制环故障”的不同表现。对于重性抑郁障碍(MDD),作者认为仅以突触或奖赏通路异常解释疾病仍不充分。抑郁通常伴随迷走张力下降、HRV 降低和交感高反应性,自主失衡正是抑郁与心血管疾病(CVD)高共病率之间的关键桥梁。因此,如果仅矫正情绪而不修复自主调节异常,治疗就只是处理了耦合方程中的单一变量,也可能导致难治性抑郁。文中进一步指出,taVNS 可通过调节 alpha 波段活动与前额叶连接增强情绪抑制控制,某些脑网络拓扑特征如 delta 波段全局效率和聚类系数,还可能成为预测疗效的生物标志物。对于帕金森病,文章强调严重自主神经功能障碍往往早于典型运动症状出现,心脏交感活动与 EEG 连接性的解耦可作为疾病进展的新型标志。对于癫痫及癫痫猝死(SUDEP),文章指出其本质在于皮层高同步放电诱发剧烈自主神经爆发,继而使心脏陷入致死性心律失常或停搏。迷走神经刺激(VNS)不仅抑制癫痫发作,还改善 HRV、降低 SUDEP 风险,因此是“单一神经干预同时保护脑与心”的典型范式。

就方法学而言,本文主要采用四类关键技术路径:第一,连续多模态监测,即利用可穿戴设备同步采集脑电图(EEG)与心电图(ECG)等信号,实时刻画系统状态 S(t);第二,计算建模与人工智能(AI),包括以图神经网络(GNN)和 transformer 为代表的方法,对心脑耦合矩阵 CBH、自主解耦或过耦合等病理状态进行动态评估;第三,自适应闭环控制,根据实时耦合指标动态调节经皮耳郭迷走神经刺激(taVNS)的频率、相位与强度;第四,无创神经调控,通过 taVNS 直接作用于耳郭迷走神经支(ABVN)—孤束核(NTS)通路,实现对中枢自主神经网络(CAN)的精准干预。本文为社论与综述性文章,并非基于单一患者队列开展原创实验,但援引了抑郁、帕金森病、癫痫、卒中等多个既有研究场景中的人群和实验结果。

以下按正文小标题对研究内容加以解读。

A. Introduction
本节界定研究背景。文章指出,人体并非离散器官的堆叠,而是由成千上万相互连接结构构成的复杂网络。历史上的临床学科分类将神经系统与心血管系统分别纳入不同专科,弱化了跨系统信息交流。研究人员据此提出,应当从孤立治疗转向“心脑协同管理”,并以生理控制理论、工程学、数据分析和无创神经调控为支柱,构建可恢复系统内稳态的闭环框架。

B. Why “Heart–Brain Synergistic Management” Works: Coupled Physiological and Computational Foundations
本节回答“为何可行”的问题,构成全文理论核心。
1) The Structural Substrate of Interaction:研究人员通过梳理 CAN 理论说明,心脑相互作用具有明确神经解剖基础,前额叶—边缘系统—下丘脑—脑干—迷走神经构成了从情绪、认知到心脏调节的层级链条;同时,迷走神经内部存在精细化分子编码和感觉神经元亚型分工,为精确 neuromodulation 提供可操作基础。
2) Coupled Cardiogenic Control:本节说明心脑耦合并非仅靠神经电活动,还通过血流动力学和主动脉脉动能量传递实现物理耦合;同时,光遗传学证据表明心脏状态可反向驱动岛叶和焦虑样行为,证明心脏是情绪调节中的主动变量。
3) Computational Dynamics: Nonlinearity and Entropy:本节从双向信号传递、状态依赖和数学建模三个层面总结耦合动力学,指出 EEG–ECG 信息流会随镇静状态改变,点过程模型可同时提取交感/副交感指数和脑熵指标,进而支持以 S(t)=f(B(t),H(t),CBH) 统一表示系统状态。

C. How to Implement “Heart–Brain Synergistic Management”: Neuromodulation—From TMS/tDCS to taVNS
本节回答“如何实施”的问题。
1) Limitations of Cortical Stimulation:研究人员指出,rTMS 和 tDCS 虽能调控 HRV,但依赖皮层下行通路完整性,因此存在自主效应不足的局限。
2) taVNS: The Brain-Body Loop Modulator:本节明确 taVNS 是更具系统调节意义的核心技术。通过刺激 ABVN,taVNS 可直达 NTS,并通过自下而上路径调节 LC 与中缝核递质释放、改善抑郁和皮层兴奋性;通过自主输出路径增强副交感张力、抑制交感活性、调节心率;综合来看,它兼具情绪、运动、自主与炎症调控效果。文章进一步以闭环电刺激系统为例,指出基于实时 EEG 反馈动态调参的 taVNS 已开始从理论走向工程实现。

D. Targets of “Heart–Brain Synergistic Management”: Comorbidities as Network Failures
本节将多种复杂疾病统一纳入“网络失效”框架。
1) Affective Disorders and Autonomic Dysregulation:研究人员提出,MDD 同时涉及奖赏回路异常和自主神经失衡,低 HRV 与交感高活性构成抑郁与 CVD 的危险连接;taVNS 可通过调节 alpha 波段活动、前额叶连接及脑网络拓扑特征改善抑郁症状。
2) Neurodegenerative Decoupling: Parkinson’s Disease (PD):本节指出 PD 早期即存在自主神经障碍,中央 alpha 节律与外周自主节律之间同步性的丧失可作为疾病进展标志,支持从耦合失衡角度理解神经变性。
3) Epilepsy and SUDEP:研究人员将 SUDEP 解释为癫痫发作引发的心脑耦合崩溃,VNS 既可抑制大脑异常同步,又可改善 HRV 并降低猝死风险,体现协同管理的临床价值。

E. Conclusion: The Future of Closed-Loop Synergistic Management
结论部分明确提出未来方向:复杂疾病治疗将依赖闭环心脑协同管理。研究人员主张以连续多模态感知获取实时系统状态,以 GNN 和 transformer 等 AI 工具计算实时耦合指标,提前识别自主解耦或过耦合等病理模式,并据此动态调节 taVNS 的频率、相位和强度,使系统轨迹回归健康稳态。文章强调,这一路径能够打通心理与生理之间的鸿沟,使精准康复从局部修补上升为整个人体系统恢复架构的优化。

从讨论与意义上看,本文的贡献不在于提出单一新算法或新试验结果,而在于完成了一个跨学科框架整合:其一,重新界定心脏与大脑之间的关系,将其视为动态耦合、双向调节、受生物力学与信息论共同约束的统一系统;其二,提出以 CAN 和迷走神经通路为核心靶点的闭环神经调控路线,强调 taVNS 在无创、双通路、系统级调节上的独特优势;其三,将抑郁、PD、癫痫等传统上分属不同专科的问题统一解释为心脑控制环失稳的不同表现,从而为共病管理、早期预警与个体化治疗提供了共同语言;其四,明确指出未来工程实现需要多模态生理传感、耦合计算、AI 判别和自适应控制的深度融合。

研究结论部分可译为:研究人员认为,复杂疾病治疗的未来在于闭环心脑协同管理。历来彼此分离的学科领域如今必须通过跨学科工作流程加以融合:首先,采用可穿戴设备开展脑电图(EEG)和心电图(ECG)的连续多模态监测,以捕获实时系统状态 S(t);其次,运用图神经网络(GNN)和 transformer 等计算建模与人工智能(AI)方法,实时计算耦合指标,例如矩阵 CBH,并在临床症状出现前识别病理状态,如自主解耦或过度耦合;最后,依据这些指标动态调整经皮耳郭迷走神经刺激(taVNS)的频率、相位和强度。该系统能够感知心脏与大脑之间的联系及相互作用,并发出精确的神经调控信号,引导系统轨迹回归健康状态。通过弥合心理域与生理域之间的裂隙,传统管理与治疗模式将被超越,精准康复也将被提升为一种整体性理念。当前所面对的,已不再只是对大脑或身体的孤立治疗,而是在逐步完善整个人体系统的恢复架构。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号