背柱与双并行使用专用电源的信息Steerability，计算模型
2011年2月10日
使用一个数学模型脊髓刺激，我们发现，一个独立的电力来源多源系统为每个联系人可以针对更多的中央点上刺激背柱（100比3）和50倍更多的领域转向决议（ 0.02毫米VS 1mm）的系统比单一来源。
以下实验的总体目标是评估脊髓刺激中多源脊髓刺激系统的媒体横向视野可控性。刺激诱导的疼痛身体区域的感觉异常的一致性是治疗效果的必要条件。由于患者的疼痛模式可能是独一无二的，因此常见的刺激配置是在硬膜外背腔平行放置两条导联。
这种结构在引导刺激、电流介质横向越过背柱方面提供了灵活性，以实现更好的疼痛。感觉异常重叠。评估刺激可控性是通过首先创建人体脊髓的有限元模型来确定硬膜外脊髓刺激电极产生的电势场来实现的 第二步，计算背柱内电势由两种类型的脊髓刺激系统输送的各种阴极电流。
多源，其中每个植入的触点都有一个专用的电流源，而单源，只有一个电流源连接到多个触点。接下来，电位用于计算每种系统类型的背柱中预测的活化体积。为了比较每个系统中纤维募集的媒体横向分辨率，结果表明，与单源系统相比，多源系统可以针对背柱中更多的刺激中心点，并且媒体横向转向的平均转向步长为多源系统的 20 微米，而单源系统为 1 毫米。
50 倍的改进。以高分辨率将刺激区域置于背柱中心的能力可以更好地优化患者的感觉异常疼痛重叠。与单源技术相比，使用多源刺激技术的主要优点是，最终可以调整刺激场，以选择性地刺激每个患者剂量列中的目标神经元，这基本上是最大限度地提高治疗可能性，同时最大限度地减少副作用。
这里定义的数学模型是低胸脊髓及其周围环境的有限元模型或 FEM。FEM 模型包括脊髓的白质和灰质、脑脊髓液、硬脑膜、硬膜外间隙组织、椎骨和两条圆柱形多触点导线。每根多触点引线由 8 个圆柱形铂铱触点组成，由 1 毫米长的绝缘聚合物隔开。
八根接触导联现在被认为是脊髓刺激的临床标准。八个触点的使用是从早期只有两个或四个触点的设备演变而来的。研究表明，更多的接触次数和更大的脊髓覆盖范围在长期维持治疗方面更有力。
面对导联迁移（一个非常常见的问题），导联位于硬脑膜背侧，相距 2.6 毫米。为了简单。在仿真中，成对的导联相对于脊髓的中线对称定位。
在该模型中，触点与脊髓背侧表面之间的脑脊髓液层的厚度指定为 3.2 毫米。这里给出了模型中使用的电阻。CSF 白质和硬脑膜的电阻率最低。
硬膜外脂肪和椎骨具有高电阻率，这里描述的是脊髓和多触点导联的 FEM 模型的网格。该体积由超过 1 亿个节点进行网格划分，在靠近电极所在位置的区域具有高密度网格。此处仅显示网格的高密度部分。
网格被分割成可变节点密度的部分。触点附近的节点间隔小于或等于 300 微米。绝缘体硬脑膜和脊髓的节点分离小于或等于 750 微米。
硬膜外腔的淋巴结密度小于或等于 3000 微米，椎骨的淋巴结分离小于或等于 5， 000 微米。脊髓几何的 3D 模型是使用相关文献来源的特征组合创建的。背柱纤维在介质横向 200 微米、背腹方向 100 微米的规则网格上放置，并投射到 stro coddle 方向。
一旦引线在模型中定位，就可以通过定义两个并联触点的电流来实现两种类型的刺激器。对于单源系统，有一个阴极和阳极，在实施时可以连接到任何一组触点。在该模型中，仅定义了触点的极性，并且通过任何触点的电流取决于连接到任何极点的触点数量。
例如，如果单个触点连接到阴极，则该触点会吸收所有阴极电流。但是，如果两个触点连接到源极，则它们将电流分成两半，每个触点 50%。当然，在数学模型中，每个触点的阻抗都是相同的，这在临床应用中通常不是这样。
这意味着当前向单个源系统中的每个联系人的传递不受控制。对于我们的模型调查，我们使用了三种可能的方法在第一种方法中提供电流。最左边的阴极在第二个阴极中具有所有电流，两个阴极各提供 50% 的电流，在第三个阴极中，最右边的阴极提供所有电流对于多源系统，每个触点都被定义为具有自己的电流源，可在触点之间 1% 的增量电流变化中进行控制。
换句话说，如果输送到两个触点的总电流为 10 毫安，则只要通过每个触点的电流总和等于 10 毫安，则每个触点的电流被指定为总电流的任意分数。例如，如果左侧触点提供 6.8 毫安，则右侧触点将提供 3.2 毫安。电流的 100 个小数分路以这种方式编程。
阴极是参与神经刺激的主要触点。导泻接触的激活导致电流流向接触电流沿轴突流动，但也穿过轴突内部并穿过轴突膜。在 rvi 的节点，这些电流导致轴突中间的去极化和轴突外侧的超极化。
模拟去极化和超极化的数学函数称为激活函数。激活函数是跨膜电位变化的近似值。当细胞外刺激电流施加到给定电极和纤维几何形状中的神经组织时，激活功能随后施加到脊髓、背柱纤维上。
激活区域定义为纤维的轨迹。在激活函数超过预定阈值的模型中，激活函数用于预测背柱中的激活区域。刺激中心点被定义并计算为激活的三维区域的几何 OID为了确定刺激幅度，将左列导联的一个触点指定为阴极。
在单极配置中，然后迭代增加刺激幅度，直到第一根纤维被激活。这始终是背柱。纤维。假设这第一次激活与患者在临床环境中对感觉异常的第一次感知相关。
在模型中，电流增加到激活第一根光纤所需电流的 1.4 倍，并计算出所得激活区域的 OID。所有 100 个转向步骤的 OID 从 100 到 0 开始，经过 0 到 100，使用与上一步一样确定的振幅进行计算。OID 变化的平均分辨率是 OID 位置范围除以当前步长。
有限元模型假设有两条平行引线，每根引线相距 2.6 毫米，每个引线有 8 个触点。为所有触点提供单一共享电源的单一来源设备可以针对三个中心刺激点。当横向移动刺激介质时，这相当于平均 1 毫米的步长，导联间距为 2 毫米，每个触点都有专用电源的设备可以针对背柱内侧外侧的 100 个中心点。
当以 1% 的增量对电流进行分次时，这相当于在双导联之间横向引导刺激时，1% 步长为 0.02 毫米。此处介绍的计算模型预测，与单个源系统相比，每个触点具有独立电流源的设备可以针对背柱中更多的中心刺激点。因此，使用多源系统调整刺激中心点的分辨率为 20 微米，与单源系统相比，分辨率提高了约 50 倍，在实干者柱中以高分辨率引导刺激原因的能力可以更好地优化程序疼痛重叠。
在给定患者的患者中，有色人种激活的原因可能集中在最大限度地覆盖疼痛区域，同时最大限度地减少副作用。因此，在脊髓刺激治疗期间，使用来自独立来源的分次电流可以精确引导对 Doser 柱中目标神经的刺激。
概述
本研究调查了多源脊髓刺激系统的介质侧向场可控性。研究结果表明，该系统可以实现比传统单源系统显著改进的靶向和分辨率。
关键研究组成部分
科学领域
- 神经科学
- 生物医学工程
- 脊髓刺激
背景
- 脊髓刺激用于疼痛管理。
- 患者的疼痛模式各异，需要灵活的刺激配置。
- 多源系统相对于单源系统提供潜在优势。
- 有限元素建模可以帮助评估刺激效果。
研究目的
- 评估多源脊髓刺激系统的可控性。
- 比较多源与单源系统的效果。
- 优化麻木重叠以达到治疗效果。
使用的方法
- 创建人体脊髓的有限元素模型。
- 评估不同刺激系统产生的电位。
- 比较两种系统在纤维招募中的介质侧向分辨率。
- 模拟两种系统的电流输送方法。
主要结果
- 多源系统可以靶向100个中心点，而单源系统只能靶向3个点。
- 场向导分辨率提高了50倍（0.02mm vs 1mm）。
- 可以更好地优化麻木疼痛重叠。
- 多源系统允许个性化刺激调整。
结论
- 多源脊髓刺激系统提供了增强的靶向能力。
- 改进的分辨率可能导致更好的患者结果。
- 需要进一步研究以在临床环境中验证这些发现。
常见问题
Executive Industry Relevance
This computational model demonstrates how multi-source spinal cord stimulation systems enable high-resolution steering of stimulation fields, addressing a key challenge in neuromodulation: achieving precise paresthesia-pain overlap in heterogeneous patient pain patterns. The 50-fold improvement in steering resolution supports more individualized targeting, which is critical for optimizing therapeutic outcomes while minimizing off-target effects. This capability enhances the predictive confidence of SCS systems in preclinical and early clinical evaluation, informing lead placement and programming strategies.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of spatial stimulation parameters to validate dorsal column targeting hypotheses in preclinical pain models.
- Operational Value: Provides a reusable computational framework for de-risking lead configuration choices before animal or human studies.
Screening & Assay Development
- Scientific Value: Supports development of standardized assays for quantifying stimulation field spread and fiber recruitment precision.
- Operational Value: Facilitates high-throughput in silico screening of electrode designs and current steering algorithms.
Translational & Preclinical Research
- Scientific Value: Bridges computational predictions with electrophysiological readouts to strengthen translational biomarker alignment.
- Operational Value: Enables risk-adjusted advancement decisions by simulating patient-specific pain patterns and lead migration scenarios.
Pipeline & Workflow Integration
The model fits within the discovery continuum by informing early target validation through hypothesis testing of stimulation steering capacity, guiding assay development for quantitative neuromodulation readouts, and supporting translational continuity via predictive modeling of clinical outcomes.
- Discovery Biology: Supports mechanistic de-risking by clarifying how current steering affects fiber activation patterns in the dorsal column.
- Screening: Enables assessment of assay readiness through reproducible, high-resolution mapping of volume of activation shifts.
- Analytics: Provides quantitative outputs (central point of VOA, steering step size) for comparing stimulation system performance.
- Translational Research: Connects to preclinical continuity by modeling stimulation optimization in disease-relevant pain pathways.
- Enterprise Reuse: Establishes a scalable computational platform for evaluating multiple lead configurations and stimulation paradigms.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence in target engagement, reduction of mechanistic ambiguity in neuromodulation mechanisms.
- Operational Value: Standardization of stimulation parameter evaluation, reproducibility across virtual patient models.
- Strategic Value: Better go/no-go decisions on lead designs, capital efficiency in preclinical testing, reduced biological risk in later stages.
- Portfolio Impact: Risk-adjusted prioritization of neuromodulation candidates based on steering precision and individualization potential.
Implementation Considerations
- Requires expertise in computational neuroscience, finite element modeling, and spinal cord anatomy.
- Depends on access to high-performance computing and validated electromagnetic simulation tools (e.g., ANSYS).
- Necessitates cross-team standardization between modeling, electrophysiology, and clinical teams for parameter translation.
- Involves adaptation considerations when extrapolating from healthy cord models to pathological or fibrotic tissue states.
- Limited by model assumptions such as homogeneous tissue resistivity and identical contact impedance, which may not reflect clinical variability.
