胫骨假体使用者神经可塑性特征：基于事件相关电位(ERPs)的认知控制机制研究

《Journal of NeuroEngineering and Rehabilitation》：Neural modifications of transtibial prosthesis (TTP) users: an event-related potentials study

编辑推荐：为探究下肢截肢者认知功能障碍机制，Ampika Nanbancha团队通过EEG记录28例胫骨假体(TTP)使用者在静息态和Go/No-go任务中的事件相关电位(ERPs)，发现患者组在抑制控制任务中N2振幅显著增加而P3振幅降低，揭示其神经适应性改变可能影响日常决策能力，为开发靶向认知康复策略提供电生理学依据。

　　

在当代康复医学领域，下肢截肢者如何通过假体实现功能性代偿始终是极具挑战性的课题。这些"机械舞者"每天需要克服的不仅是物理障碍，更隐藏着不为人知的神经认知战场。传统观点认为假体适配性决定康复效果，但越来越多证据表明，即便拥有先进假体，胫骨假体(Transtibial Prosthesis, TTP)使用者在复杂环境中的反应速度和决策准确性仍显著低于健全人群。这种"认知-运动分离"现象背后，究竟是神经资源的重新分配，还是抑制控制功能的永久损伤？来自Siriraj医院的研究团队通过脑电图(EEG)这把"神经显微镜"，首次系统揭示了TTP使用者大脑深处的电生理密码。

为破解这一科学谜题，Ampika Nanbancha领衔的研究团队在《Journal of NeuroEngineering and Rehabilitation》发表创新性研究。他们精心设计了两阶段实验：首先通过32导联EEG记录28例TTP使用者和28例健康对照者在静息态下的脑电活动，随后采用视觉Go/No-go范式（包含简单反应和辨别反应两种模式）诱发事件相关电位(Event-Related Potentials, ERPs)，重点分析反映抑制控制的N2（200-300ms负波）和决策评估的P3（250-500ms正波）成分。所有参与者均经过严格筛选，TTP组包含24例右腿主导和4例左腿主导者，假体佩戴时间均超过6个月，确保研究结果的临床代表性。

关键技术方法包括：1）采用ANT Neuro 32导联EEG系统记录脑电信号，采样率512Hz，带宽0.3-30Hz；2）设计包含Go/No-go刺激的视觉任务范式，80个试次随机呈现；3）通过GLMM和Kruskal-Wallis检验分析静息态EEG功率谱和ERPs成分差异；4）测量行为学指标包括反应时和正确率。

静息态脑电分析显示，两组在δ(0.3-4Hz)、θ(4.5-8Hz)、α(8.5-13Hz)和β(13.5-30Hz)频段功率谱无显著差异，提示基础神经振荡模式保持完整。这一发现打破了"截肢必然导致静息态脑网络重组"的固有认知，为后续任务态特异性改变提供了重要对照基准。

Go/No-go任务中，ERPs结果呈现出戏剧性变化。在简单反应分析中，TTP组在F_z电极点的N2振幅呈现显著负向偏移（Go:-0.940μV vs 健康组1.550μV；No-go:-1.370μV vs 1.020μV，p<0.01）。这种极性反转现象在辨别反应任务中进一步放大，特别是No-go2刺激引发-2.060μV的强烈负波，而健康组仅0.091μV。研究者认为，这种"超敏化N2反应"可能反映TTP使用者需要调动额外神经资源进行冲突监控，如同"神经刹车系统"过度激活。

更引人注目的是P3成分的异常衰减。在No-go条件下，TTP组P3振幅较健康组降低约20%（简单No-go:5.830μV vs 7.160μV；辨别No-go1:6.550μV vs 8.500μV）。这种"决策波幅萎缩"暗示高阶认知资源分配不足，好比"神经油门"动力不足。行为学数据佐证了这一发现：TTP组在Go2任务中正确反应次数显著减少（14.7次 vs 17.0次，p=0.031），但反应时无差异，形成"速度-准确率解离"现象。

这些发现共同绘制出TTP使用者独特的神经适应图谱：前额叶抑制控制系统（N2生成区）代偿性亢进，而顶叶决策评估网络（P3发生源）功能减弱。这种"前强后弱"的神经重组模式，可能解释为何假体使用者在复杂环境中易出现判断失误。研究首次证实下肢截肢会引发与上肢截肢不同的认知神经重塑特征，挑战了传统体感皮层重组理论的普适性。

在讨论部分，作者深刻指出这种神经适应性改变的双面性：增强的冲突监测（N2增大）有助于规避运动风险，但削弱的决策能力（P3降低）可能影响日常生活适应性。这为开发新型康复策略指明方向：既要通过经颅直流电刺激(tDCS)增强顶叶功能，又需虚拟现实(VR)训练优化抑制控制平衡。该研究不仅填补了下肢截肢认知神经机制的研究空白，更开创性地提出"神经-假体协同适应"理论框架，为智能假体与脑机接口(BCI)技术的融合发展提供重要理论基础。