现有的可植入电刺激器提供了一种替代方案,通过刺激脊髓来阻断疼痛信号传递至大脑。但这些设备存在缺点,例如成本高昂、需要侵入性手术以及频繁更换电池。现在,来自南加州大学维特比工程学院阿尔弗雷德·E·曼恩生物医学工程系的周启法实验室(Zhou Lab)的研究人员,与加州大学洛杉矶分校的陈俊(Jun Chen)团队合作,开发了一种革命性的解决方案:一种柔性的超声诱导无线植入式(UIWI)刺激器,可固定于脊柱,专为个性化、自适应的慢性疼痛管理而设计。
这款开创性的设备在《自然·电子学》(Nature Electronics)期刊上进行了详细介绍,代表了疼痛治疗领域的重大飞跃。现有的脊髓刺激器可能笨重且需硬接线连接电池,而新设备设计为可随身体活动弯曲扭转,并由可穿戴超声波发射器供能,无需电池。它还利用机器学习算法为每位患者定制治疗方案。该研究由南加州大学凯克医学院眼科教授、Zohrab A. Kaprielian工程学研究员周启法领导。
按需止痛:植入式刺激器的工作原理
这项创新的核心是其无线供电系统,消除了对笨重电池和通常需要多次手术的复杂有线接口的需求。UIWI刺激器的能量来源于外置可穿戴超声波发射器(WUT)。超声波提供了一种安全、有效的非侵入性方法用于深部组织穿透。该设备通过称为压电效应的现象将机械波转换为电信号。UIWI刺激器的核心是一个微型压电元件,由锆钛酸铅(PZT)制成,这是一种将传入的超声能量高效转换为刺激所需电能的高效材料。
“真正使该设备与众不同的是其用于疼痛管理的无线、智能和自适应能力,”周启法表示,“我们相信它具有巨大潜力,可替代药物方案和常规电刺激方法,符合临床止痛需求。”
周启法实验室的博士生、该论文的第一作者曾玉顺(音译,Sean Yushun Zeng)表示,这款无线智能微型刺激器能够利用超声能量产生足够的电刺激强度,从而实现更个性化、靶向和局部的治疗。
“这种能量转换类型对于深度刺激至关重要,因为超声波在临床和医疗领域是一种非侵入性且穿透力强的能量,”曾玉顺说,“通过利用无线超声能量传输和闭环反馈系统,这款UIWI刺激器消除了植入笨重电池的必要性,并实现了实时、精确可调的疼痛调节。”
“从临床角度来看,整合基于深度学习的疼痛评估能够动态解读和响应波动的疼痛状态,这对于适应患者特异性差异至关重要。”论文的另一位第一作者、周启法实验室的博士生龚晨(音译,Chen Gong)补充道。
该设备的工作原理如下:
检测疼痛:系统持续监测脑部记录,特别是反映患者疼痛水平的脑电图(EEG)信号。利用AI评估疼痛程度:一个基于ResNet-18神经网络的复杂机器学习模型分析这些脑部信号,并将疼痛分类为三个不同等级:轻微疼痛、中度疼痛和极度疼痛。该AI模型在区分这些疼痛状态方面的整体准确率高达94.8%。按需调整治疗:一旦识别出疼痛等级,可穿戴超声波发射器会自动调整其发射的声能。UIWI刺激器随后能感应传播的能量并将其转换为电刺激强度,刺激脊髓。这形成了一个闭环系统,提供实时、个性化的疼痛管理。UIWI刺激器本身具有柔韧性,可弯曲扭转,便于在脊髓上实现最佳放置。它对脊髓提供的电刺激通过重新平衡传递和抑制疼痛的信号来发挥作用,有效抑制痛感。
实验室验证成功:周启法实验室团队在啮齿动物模型中测试了UIWI刺激器,结果证明了其在疼痛管理方面的有效性。
研究人员成功缓解了由机械刺激(如针刺)和急性热刺激(红外热)引起的慢性神经病理性疼痛。
实验室测试表明,UIWI刺激器的治疗显著降低了疼痛指标。在一项评估动物是否将环境与疼痛缓解相关联的实验中,啮齿动物明显偏好疼痛管理系统被激活的腔室,进一步证实了该设备的有效性。
个性化疼痛缓解的未来
UIWI刺激器的成功开发和测试标志着先进疼痛管理研究的关键时刻。该植入物的柔性设计及其与复杂AI算法的集成,提供了一种动态、个性化的治疗方法,能够适应慢性疼痛波动且高度个体化的特性。
展望未来,周启法及其合作者希望该设备能有更先进的应用。周启法表示,未来的设计可以进一步缩小组件尺寸,从而实现侵入性更小的设备植入——例如使用注射器。可穿戴超声波发射器也可能演变为无束缚的微型设备,甚至是可穿戴超声阵列贴片,可能将成像功能与能量传输相结合,实现实时监测和靶向刺激。未来的迭代版本还可以通过智能手机软件控制,提供更强大的个性化疼痛管理。
周启法表示,该设备的目标是改变慢性疼痛管理方式,超越现有解决方案的局限性,提供一条真正个性化、智能且有效的疼痛缓解途径。
“我们的研究结果突显了超声植入式电子设备在临床和转化慢性疼痛管理中的潜力,”曾玉顺说。
Story Source:
Materialsprovided byUniversity of Southern California.Note: Content may be edited for style and length.
Journal Reference:
Yushun Zeng, Chen Gong, Gengxi Lu, Jianxing Wu, Xiao Wan, Yang Yang, Jie Ji, Junhang Zhang, Runze Li, Yizhe Sun, Ziyuan Che, Chi-Feng Chang, Hsiao-Chuan Liu, Jiawen Chen, Qingqing He, Xin Sun, Ruitong Chen, Sina Khazaee Nejad, Xunan Liu, Deepthi S. Rajendran Nair, Laiming Jiang, Jun Chen, Qifa Zhou.A programmable and self-adaptive ultrasonic wireless implant for personalized chronic pain management.Nature Electronics, 2025; 8 (5): 437 DOI:10.1038/s41928-025-01374-6
2025-08-02
2025-08-02
2025-08-02
2025-08-02