现有的植入式电刺激器提供了一种替代方案,通过刺激脊髓来阻断痛觉信号传递至大脑。但这些设备存在成本高昂、需侵入性手术且需频繁更换电池等缺点。如今,南加州大学维特比工程学院阿尔弗雷德·E·曼生物医学工程系周实验室的研究人员,与加州大学洛杉矶分校陈俊团队合作,开发了一种革命性的解决方案:一种可弯曲的超声诱导无线植入式(UIWI)刺激器,该设备固定于脊柱,专为个性化、自适应慢性疼痛管理而设计。
这项突破性设备在《自然·电子学》期刊上有详细阐述,标志着疼痛治疗领域的重大飞跃。现有脊髓刺激器通常笨重且需有线连接电池,而新设备设计为可随身体活动弯曲扭转,由可穿戴超声发射器供能,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。该研究由佐拉布·A·卡普里列安工程学研究员齐法·周(Qifa Zhou)领导,周教授同时担任南加州大学凯克医学院眼科学教授。
按需止痛:植入式刺激器的工作原理
此项创新的核心在于其无线供能系统,消除了通常需要反复手术更换的笨重电池和复杂有线接口。UIWI刺激器的能量来源于外部可穿戴超声发射器(WUT)。超声波为深部组织穿透提供了一种安全有效的无创方法。该设备通过名为压电效应的现象将机械波转化为电信号。UIWI刺激器的核心是一个微型化压电元件,由锆钛酸铅(PZT)制成,这种材料能高效地将传入的超声波能量转化为刺激所需的电能。
"该设备的真正独特之处在于其无线、智能且自适应的疼痛管理能力,"周教授表示。"我们相信它具备巨大潜力,可取代药物方案和传统电刺激方法,符合临床止痛需求。"
周实验室博士生、论文共同第一作者曾宇顺(Sean Zeng)指出,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、靶向且局域化的治疗。
"这种能量转换类型对深部刺激至关重要,因为超声波在临床和医学领域是一种无创且高穿透性的能量,"曾宇顺解释道。"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、精确可调的疼痛调控。"
"从临床角度看,融入基于深度学习的疼痛评估能实现对波动疼痛状态的动态解读和响应,这对于适应患者个体差异至关重要,"周实验室博士生、论文共同第一作者龚晨补充道。
设备工作流程如下:
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:基于名为ResNet-18的神经网络构建的复杂机器学习模型分析这些脑信号,将疼痛分为三个等级:轻度疼痛、中度疼痛和重度疼痛。该AI模型区分这些疼痛状态的整体准确率达94.8%。按需调整治疗:一旦识别出疼痛程度,可穿戴超声发射器自动调整其发射的声能。UIWI刺激器随后感应传播的能量并将其转化为电刺激强度,从而刺激脊髓。这形成了一个提供实时个性化疼痛管理的闭环系统。UIWI刺激器本身具有柔韧性、可弯曲和扭转的特性,可在脊髓上实现最佳贴附。其向脊髓提供的电刺激通过重新平衡传递和抑制疼痛的信号起作用,有效抑制痛觉。
实验室验证成功 周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)引发的慢性神经性疼痛。
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镇痛关联的实验中,啮齿动物明确偏好激活了疼痛管理系统的腔室,进一步证实了设备的有效性。
个性化疼痛治疗的未来
UIWI刺激器的成功开发与测试标志着先进疼痛管理研究的关键时刻。植入物的柔性设计及其与复杂AI算法的整合,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,周教授及其合作者期待该设备实现更先进的应用。周教授表示,未来设计可进一步微型化组件,从而实现微创植入——例如通过注射器植入。可穿戴超声发射器也可能演变为无绳微型设备,甚至成为可穿戴超声阵列贴片,有望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能通过智能手机软件控制,提供更强大的个性化疼痛管理。
周教授指出,该设备的目标是变革慢性疼痛管理,突破现有解决方案的限制,提供真正个性化、智能化且有效的镇痛途径。
"我们的研究结果凸显了超声植入式电子设备在临床和转化性慢性疼痛管理中的潜力,"曾宇顺总结道。
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
2025-07-01
2025-07-01
2025-07-01
2025-07-01