Раскрывая тайны фантомной боли: роль моторной коры в новых терапевтических подходах

Фантомная боль в конечностях представляет собой диагностическую и терапевтическую проблему с неясной патофизиологией, которая, вероятно, включает комбинацию путей центральной, спинальной и периферической нервной системы. Новое направление в лечении хронической боли нацелено на корковые области как ключевые точки для терапии нейропатической боли, и одной из изученных мишеней при фантомной боли является первичная моторная кора. Учитывая некоторые обнадеживающие результаты неинвазивной стимуляции мозга для уменьшения фантомной боли, дальнейшее понимание роли первичной моторной коры в её механизмах может дать важные перспективы для развития этого терапевтического подхода. Целью исследования было обобщить данные нейровизуализации о реорганизации первичной моторной коры при фантомной боли и оценить её связь с интенсивностью боли. Поиск проводился в шести базах данных: Ovid MEDLINE, Cochrane Library, CINAHL, Scopus, Web of Science и EMBASE. Из 2582 статей 13 соответствовали критериям и были включены в анализ. Данные свидетельствуют о корковой реорганизации в контралатеральной первичной моторной коре, характеризующейся повышенной активацией и сохранением функционального представительства утраченной конечности, которое может сохраняться десятилетиями после ампутации. У пациентов с фантомной болью наблюдалась значительная активация в первичной моторной коре и соматосенсорной коре во время движений фантомной конечности, а также снижение межполушарной функциональной связности. Однако результаты, касающиеся связи между реорганизацией первичной моторной коры и интенсивностью фантомной боли, оказались противоречивыми. Реорганизация коры первичной моторной коры играет существенную роль в механизмах фантомной боли, что делает её перспективной мишенью для терапии, но непостоянная корреляция между активностью этой области и тяжестью боли подчеркивает сложность патофизиологии фантомной боли. Будущие исследования должны стандартизировать протоколы нейровизуализации, учитывать влияющие факторы и изучать взаимодействия между первичной моторной корой и другими областями мозга для совершенствования терапевтических подходов.

PDF

Роль колонок в нейронных сетях мозга

Со времени открытия Маунткаслом вертикально ориентированных клеток, реагирующих на определённый сенсорный стимул, радиально организованные колонки в коре головного мозга стали объектом тщательного изучения. Концепция колонковой организации коры признана фундаментальным принципом. Анатомически выделяют различные типы колонок, которые отличаются по размеру, составу, структуре и варьируются в зависимости от вида. Тем не менее, точное определение колонки и её роль как функциональной единицы остаются предметом дискуссий. Поскольку мозг функционирует как сеть, понимание того, как колонковая организация интегрируется в кортикальные цепи, имеет ключевое значение, однако многие аспекты этой интеграции остаются неясными, несмотря на значительные исследования. В коре головного мозга пары связанных пирамидных нейронов часто имеют общие синаптические входы. Такая тонкая специфичность синаптических связей внутри кортикальных нейронов формирует подсети, которые, предположительно, встроены в функциональные колонки. Однако вопросы о том, как именно эти подсети интегрируются в функциональные колонки и в какую колонковую или иную структуру они встраиваются, остаются в значительной степени неизученными. В данном обзоре всесторонне рассматриваются анатомически и физиологически идентифицированные функциональные единицы, а также обсуждаются возможные подходы к интеграции этих концепций.

https://link.springer.com/article/10.1007/s12565-025-00877-8

Оценка местоположения нейронов по высокоплотным внеклеточным записям: ключ к совершенствованию нейроинтерфейсовОценка местоположения нейронов на основе внеклеточных записей имеет важное значение для разработки передовых нейроинтерфейсов. Точная локализация нейронов улучшает процесс сортировки спайков, который включает обнаружение потенциалов действия и их привязку к отдельным нейронам, а также помогает отслеживать дрейф электродов, влияющий на долгосрочную надежность зондов. Хотя в настоящее время используется ряд алгоритмов локализации, эта область находится на начальном этапе развития, и выбор одного алгоритма над другим часто основывается на теоретических предположениях или визуальном анализе результатов кластеризации. Авторы представили первое в своем роде сравнительное тестирование широко используемых алгоритмов локализации нейронов. Они протестировали эти алгоритмы на двух наборах данных с известной истинной информацией: биофизически реалистичном симулированном наборе данных и экспериментальных данных, полученных с использованием патч-клэмп и зондов Neuropixels. Авторы систематически оценили точность, устойчивость и время выполнения этих алгоритмов в идеальных условиях и при длительных записях с учетом деградации электродов. Их результаты выявили значительные различия в производительности: более сложные и физически реалистичные модели показали лучшие результаты в идеальных условиях, тогда как простые эвристические подходы продемонстрировали большую устойчивость к шуму и деградации электродов в экспериментальных данных, что делает их более подходящими для длительных нейронных записей. Эта работа создает основу для оценки алгоритмов локализации и разработки надежных, биологически обоснованных алгоритмов, способствующих прогрессу в создании нейроинтерфейсов.

https://arxiv.org/abs/2508.13451

Влияние восприятия речи на надежность речевых нейроинтерфейсовНедавние исследования показали, что речь можно декодировать из мозговой активности для использования в коммуникации через нейроинтерфейсы (BCI), однако сенсомоторная кора (SMC), используемая как источник сигнала, активируется не только при произнесении, но и при восприятии речи, что может вызывать ложноположительные срабатывания. В данном исследовании с помощью высокоплотной электрокортикографии (HD-ECoG) у пяти участников изучалась активность SMC при восприятии и произнесении речи. Метод опорных векторов (SVM), обученный на данных произнесения речи, показал ложные срабатывания при восприятии речи, классифицируя её как произнесенную. Тем не менее, воспринимаемую речь удалось с высокой точностью отличить от произнесенной и состояния покоя. Таким образом, восприятие речи может нарушать надежность BCI, и для повышения их эффективности в повседневной жизни необходимо разрабатывать методы снижения ложных срабатываний.

https://jneuroengrehab.biomedcentral.com/articles/10.1186/s12984-025-01689-7

Оценка уровня сознания у пациентов с синдромом "запертого человека" с помощью нейроинтерфейсовИсследования показывают, что пациенты с синдромом "запертого человека" сохраняют сознание и когнитивные функции, несмотря на неспособность к произвольным мышечным движениям и коммуникации. Нейроинтерфейсы предоставляют таким пациентам возможность общения, что существенно улучшает их благополучие и качество жизни. В данной работе представлен инновационный подход к анализу данных электроэнцефалографии от четырех пациентов с синдромом "запертого человека" для оценки их уровня сознания, обозначенного в исследовании как нормализованный уровень сознания. Этот метод уже показал многообещающие результаты у одного пациента с полным синдромом "запертого человека" и нескольких пациентов с нарушениями сознания. Оценка уровня сознания направлена на углубление понимания состояния пациентов, что критически важно для создания эффективных систем коммуникации. Точная оценка сознания способствует улучшению диагностики и определению оптимального времени для начала взаимодействия с некоммуникативными пациентами. Важно отметить, что сознание — сложное и трудноопределимое понятие. В данном исследовании термин "уровень сознания" не соответствует медицинскому определению, а представляет шкалу значений нормализованного уровня сознания от 0 до 1, отражающую вероятность полного сознания пациента (1) или его отсутствия (0).

https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2025.1604173/abstract

Обратил внимание на то, что biorxiv делает html-версию теста из отправленного им PDF. И даже картинки расставляет в правильных местах:

https://www.biorxiv.org/content/10.1101/2025.08.13.670042v1.full

"“The patch we’ve developed uses microneedles."

Что-то подобное, возможно, и для ЭЭГ подойдет.

https://news.ncsu.edu/2025/08/microneedle-patch-biomarkers/

Wake up! Your paper has been accepted to the European Journal of Consciousness Quantum Studies and Emergent Discoveries.

3D-Printed Scaffolds Promote Enhanced Spinal Organoid Formation for Use in Spinal Cord Injury

Прорыв в создании 3D-печатных каркасов даёт надежду на восстановление после травм спинного мозга, которые в США ежегодно затрагивают более 300 000 человек. Исследователи из Университета Миннесоты впервые объединили 3D-печать, стволовые клетки и лабораторно выращенные ткани, создав органный каркас с микроканалами, заполненными нейронными клетками-предшественниками. Эти клетки, пересаженные в спинной мозг крыс с полным разрывом, дифференцировались в нейроны, формируя новые связи и способствуя значительному восстановлению функций. Исследование, опубликованное в Advanced Healthcare Materials, открывает перспективы для будущих клинических применений, хотя пока находится на ранней стадии.

https://advanced.onlinelibrary.wiley.com/doi/10.1002/adhm.202404817

О, это очень смешно:

С возрастом люди склонны чаще интерпретировать эмоции других как положительные, что может быть признаком когнитивного спада. Исследование, опубликованное в JNeurosci, показало, что у 665 участников эта тенденция связана с ухудшением когнитивных функций и структурными изменениями в мозге, особенно в зонах, отвечающих за обработку эмоций и социальные решения. Это может служить ранним индикатором нейродегенерации и деменции.

https://www.eurekalert.org/news-releases/1094808

Прорыв в использовании фокусированного ультразвука для проникновения сквозь гематоэнцефалический барьер
Исследователи из Университета Мэриленда и других учреждений США впервые описали технику использования фокусированного ультразвука для надежного проникновения сквозь гематоэнцефалический барьер (ГЭБ). Опубликованные в журнале Device результаты показывают, что акустические сигналы от микропузырьков, циркулирующих в кровотоке, позволяют предсказать проникновение сквозь ГЭБ у пациентов с глиобластомой. Метод, протестированный на 34 пациентах, улучшает доставку лекарств в мозг и может применяться для лечения опухолей и неврологических расстройств. Исследование поддерживает дальнейшую стандартизацию и клиническое применение этой технологии.

https://www.cell.com/device/fulltext/S2666-9986(25)00207-8?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2666998625002078%3Fshowall%3Dtrue

https://www.academia.edu/126377568/Rethinking_Free_Will_A_Scientific_Revolution_in_Understanding_Human_Agency?email_work_card=abstract-read-more

Bullshit, конечно, но можно, в принципе, полистать.

“Through the novel distinction between "Free Will in Theory" (FWIT) and "Free Will in Practice" (FWIP), the work demonstrates how deterministic physical laws simultaneously preclude theoretical free will while guaranteeing its practical existence.”

(Oops, нельзя полистать. Хотят деньги.)

Как Вам такое, Татьяна Черниговская?

(И напоминает задачку про лилии.)

⚡️ Нейроцентр Сколтеха открывает набор стажеров

👉 Подать заявку можно здесь: (https://forms.yandex.ru/u/6666f04fc417f30d2c0baf62/)

Мы приглашаем студентов бакалавриата, магистратуры и аспирантуры следующих направлений:
🟢 Нейробиология и нейрофизиология
🟢 Анализ данных
🟢 Когнитивные науки
🟢 Электронная инженерия
🟢 Компьютерные науки


🔬 Чем вы будете заниматься?

Участники стажировки подключатся к проектам по созданию:
— нейропротезов с функцией обратной связи;
— алгоритмов декодирования намерений;
— систем человеком-машинного взаимодействия.

Возможные задачи:
💚 Разработка и тестирование экспериментального оборудования
💚 Участие в клинических исследованиях с инвазивными нейроимплантами
💚 Создание ПО для биомедицинских проектов
💚 Исследования с испытуемыми после ампутаций (инвазивная и неинвазивная стимуляция)
💚 Алгоритмы анализа нейро- и поведенческих данных
💚 Анализ изображений при помощи методов компьютерного зрения


Какие навыки и умения мы ценим?
— мотивация и самостоятельность,
— умение читать англоязычную литературу,
— навыки в схемотехнике, пайке, прототипировании,
— опыт экспериментов с ЭЭГ, ТМС, айтрекингом,
— использование моделей машинного обучения,
— разработка и оптимизация нейросетевых алгоритмов,
— применение алгоритмов компьютерного зрения,
— программирование приложений.

✨ Почему это отличный шанс:

🟡 доступ к уникальной инфраструктуре Сколтеха
🟡 работа с экспертами в области нейроинженерии
🟡 результаты можно использовать в дипломах и курсовых
🟡 возможность дальнейшего трудоустройства

Dual-Brain EEG Decoding for Target Detection Via Joint Learning in Shared and Private Spaces

Гиперсканирование позволяет одновременно записывать электроэнцефалограмму (ЭЭГ) от нескольких человек, способствуя совместной работе мозга для уменьшения индивидуальных предубеждений и повышения надежности принятия решений. Традиционно декодирование задач в такой совместной парадигме опиралось только на простые методы объединения, основанные на индивидуальной мозговой активности, без учета информации о межмозговой связи. Вдохновленные исследованиями социальных взаимодействий, показывающими повышенную межмозговую синхронность в совместных задачах с использованием гиперсканирования, мы предлагаем совместную обучающую модель для обнаружения целей двумя мозгами, которая объединяет модуль построения общего пространства и модуль управления общими признаками. Модуль построения общего пространства включает анализ межмозговой связи для выявления синхронности между мозгами, а также интегрирует общие и индивидуальные признаки через механизм многоуровневого объединения для совместного обучения представлений в модуле управления общими признаками. Экспериментальные результаты показывают среднее улучшение сбалансированной точности на 10% в 12 группах участников по сравнению с традиционными одномозговыми подходами, при этом некоторые группы достигли улучшения до 5% по сравнению с современными методами (SOTA). Примечательно, что группы с более высокой производительностью демонстрируют более сильную межмозговую связь и более синхронизированные реакции, связанные с целями. Эти результаты способствуют развитию совместных систем интерфейса мозг-компьютер (BCI) для более надежного и эффективного обнаружения целей.

https://ieeexplore.ieee.org/abstract/document/11134569

EEG Signal Classification Reinforced by LDConv and Transformer

Гиперсканирование позволяет записывать электроэнцефалограмму нескольких человек одновременно, способствуя совместной работе мозга для повышения надежности решений. Традиционные методы декодирования опираются на индивидуальную мозговую активность, игнорируя межмозговую связь. Мы предлагаем модель для обнаружения целей двумя мозгами, объединяющую модуль построения общего пространства и модуль управления общими признаками. Первый выявляет синхронность между мозгами, второй интегрирует признаки для совместного обучения. Результаты показывают улучшение точности на 10% в 12 группах по сравнению с одномозговыми подходами, некоторые группы превосходят современные методы на 5%. Группы с высокой производительностью имеют сильную межмозговую связь. Это способствует развитию надежных интерфейсов мозг-компьютер.

Интерфейсы мозг-компьютер на основе электроэнцефалограммы исследуют моторные образы, ментальную арифметику и потенциалы P300. Новая модель, Линейная Деформируемая Конволюционная Трансформерная, объединяет адаптивную свертку и трансформеры для моделирования временных связей. На данных с 29 участниками достигнута точность 92,13% для моторных образов и 91,63% для арифметики, превосходя существующие методы.

https://ieeexplore.ieee.org/abstract/document/11120669

A Classification Model Based on SEB-CNN for P300 Signal Recognition of P300 Speller

P300 спеллер — приложение интерфейса мозг-компьютер для классификации сигналов P300 при ограниченных стимулах. Предложена архитектура SEB-CNN с пространственными свертками для извлечения признаков и временным вниманием для последовательностей. Это улучшает адаптивность и обобщение модели. SEB-CNN превосходит традиционные сети по точности, особенно при малом числе стимулов (p<0.01).

https://ieeexplore.ieee.org/abstract/document/11120812

Textured Phantom Sensations: Rendering Spatial Textured Signals Between Fingertips Using Vibrotactile Phantom Illusion

Фантомное ощущение — иллюзия, возникающая между несколькими точками стимуляции, — используется для передачи пространственной информации с помощью простых синусоидальных вибраций, но с ограниченной выразительностью. Мы исследовали устойчивость фантомного ощущения к сложным текстурным вибрациям, названным текстурированным фантомным ощущением, на кончиках указательного и среднего пальцев. В первом исследовании изучались статические и динамические фантомные ощущения с тремя постоянными текстурными вибрациями. Во втором — статические и динамические фантомные ощущения с пятью непостоянными текстурными вибрациями от двух движений царапания. Средняя точность распознавания текстур составила 57,6% и 59,7% для постоянных вибраций и 67,5% и 72,4% для непостоянных при статическом и динамическом текстурированном фантомном ощущении соответственно. Наша работа расширяет фантомное ощущение для передачи пространственной информации с помощью сложных вибраций, сохраняя сравнимую с синусоидальной эффективностью, и обсуждает возможности для создания выразительных вибраций в приложениях.

https://ieeexplore.ieee.org/abstract/document/11123243

Sense-of-Agency as Clinically Accessible Features for Schizophrenia Prediction: Interpretable Ensemble Machine Learning Research and Webserver Development

Шизофрения — тяжелое психическое расстройство, требующее точной диагностики для снижения социально-экономических рисков. Традиционная диагностика использует клинические интервью, фокусируясь на позитивных симптомах. Системы с машинным обучением выявляют связи между признаками и шизофренией, улучшая диагностику и лечение. Дефицит чувства агентности — ключевой признак, но его диагностическое применение ограничено. В исследовании с 155 участниками созданы модели машинного обучения для анализа чувства агентности с использованием методов оценки, временных интервалов и связывания намерений. Ансамблевая модель SchNet показала точность 0,90 и F1-оценку 0,91. Веб-сервер SchNet (https://github.com/jourmore/SchNet-webserver) предлагает онлайн-тестирование, прогнозирование риска шизофрении и анализ, поддерживая клиническое применение.

Достижение за достижением

Similar destabilization of neural dynamics under different general anesthetics

Разные классы анестетиков могут вызывать потерю сознания, несмотря на то, что они действуют через различные биологические механизмы. Это наводит на мысль, что они оказывают сходное воздействие на динамику или временное развитие активности нейронных популяций. Чтобы изучить это, авторы проанализировали электрофизиологические записи коры головного мозга во время введения пропофола, кетамина и дексмедетомидина, используя строгий метод оценки динамической стабильности. Они обнаружили, что все три анестетика, несмотря на их молекулярные различия, одинаково влияют на кортикальные состояния, дестабилизируя их динамику. Эта дестабилизация соответствовала более медленному восстановлению после сенсорных возмущений и увеличению времени автокорреляции, вызванной стимулами, во время введения анестетиков. Дестабилизация преимущественно проявлялась в низкочастотных диапазонах, что связано с известным увеличением низкочастотной мощности во время анестезии. Наконец, дестабилизация тесно коррелировала с реальными колебаниями уровня сознания. Эти данные указывают на то, что дестабилизация коры может быть общим нейронным коррелятом бессознательного состояния, вызванного анестетиками, и предлагает механистическое объяснение низкочастотных колебаний, наблюдаемых во время анестезии.

https://www.biorxiv.org/content/10.1101/2025.08.21.671540v1