全球首个人类迷走神经图谱发布，有望推动新型及下一代神经调控技术

每一次心跳、一次呼吸、一顿饭后的消化，都伴随着大脑与身体之间持续不断的信息往来。承担这些通信任务的一条主要通路，是迷走神经。

它从脑干出发，沿颈部进入胸腹腔，通过复杂的分支连接心脏、肺和胃肠道等器官。来自身体内部的信号沿着它上传，大脑发出的调节指令也经由它下达。这条神经“高速公路”还参与免疫与炎症调节，将神经系统与身体的防御机制联系起来。

医学已经利用这条通路开展治疗多年，但对它内部“车道”的认识，仍然落后于临床应用：不同功能的纤维究竟怎样排列？通向不同器官的线路如何分布？为什么同样的刺激，在不同患者身上会产生不同的反应？

美国诺斯韦尔医疗集团旗下范斯坦医学研究所的研究团队，正在为这些问题建立一份更细致的底图。由斯塔夫罗斯·扎诺斯（Stavros Zanos）领导的团队，基于30位人体捐献者的60条迷走神经，结合多种成像与组织分析技术，构建并公开发布了一套人体迷走神经综合解剖图谱。

Stavros Zanos 博士是范斯坦医学研究所（Feinstein Institutes for Medical Research）生物电子医学研究所的教授，也是迷走神经项目的负责人。[图片由范斯坦医学研究所提供]

按照研究机构的表述，这是首个如此全面的人体迷走神经解剖资源。它为这条熟悉而又陌生的神经通路补上了大量内部细节，也为下一代神经调控设备提供了新的设计依据。

所谓“完整路线图”，并不意味着每根纤维的全部功能已经得到破解。更准确地说，研究人员正在把过去分散的解剖观察，组织成一套可以追踪、比较和计算的多尺度地图。

01

一条神经里，运行着多种不同的任务

迷走神经并不是一根功能单一的导线。左右两侧的神经主干内部，包含大量神经纤维；纤维又组织成神经束，在沿途分支中形成复杂的空间关系。

其中，感觉传入纤维把身体内部的状态传向大脑，传出纤维则参与对外周组织和器官活动的调节。不同纤维虽然共享一段神经通路，却不一定承担相同任务，也不一定对电刺激作出相同反应。

这种结构，是迷走神经刺激治疗的机会来源，也是其精准化面临的难题。

现有迷走神经刺激技术，已被用于癫痫、抑郁症及中风后康复等特定临床场景。根据治疗目的不同，刺激可以影响脑回路兴奋性、参与神经可塑性过程，或通过相关通路调节免疫活动。但电极施加的电场，未必只作用于期望激活的纤维。

当治疗靶点与其他功能纤维相邻时，获得预期效应和避免非目标激活，就可能成为同一个刺激方案需要同时解决的问题。仅仅知道电极位于迷走神经附近，还不足以准确预测它招募了哪些纤维、这些纤维通向哪里，以及最终会引发怎样的生理变化。

过去，这些问题常常需要从刺激后的反应倒推。精细解剖图谱则提供了另一类证据：先看清刺激对象的内部结构，再研究结构如何影响响应。

02

从整条神经，逐层走向单根纤维

这项工作依托“重建迷走神经解剖结构”（REVA）项目展开。项目于2022年获得美国国立卫生研究院670万美元资助，属于SPARC计划的一部分，团队用了约三年时间收集相关数据。

它的难点在于同时覆盖两个尺度：既要追踪较长距离的神经走向与分支，又要辨认微观层面的神经束和纤维。只看局部切片，容易丢失纵向连续性；只看整体形态，又无法回答内部功能分区的问题。

团队因此组合了超声、显微CT、组织切片和免疫组织化学等方法。

超声用于获取神经及相关解剖结构的信息；显微CT提供连续的三维结构数据，帮助研究人员追踪神经束及分支的空间关系。随后，研究人员将组织制成大量薄横截面，利用与特定蛋白结合的抗体进行标记，在更精细的尺度上识别纤维特征。

不同方法各有分工。三维成像保留结构的连续性，组织学分析补充细胞与分子层面的信息。将它们对应起来，才有可能把“纤维位于何处”与“它可能承担什么功能”联系起来。

机器学习则用于辅助分析这些图像，对纤维进行识别与功能类别划分。这里的算法承担的是大规模图像分析任务：帮助研究人员处理复杂组织数据，提取可比较的结构特征。它并不意味着可以单凭一张图像，确定每根纤维的全部生理作用。

这张色彩斑斓的迷走神经切片——由绘制人体该神经首份综合图谱的研究人员制作——展示了在脑部与身体各器官之间传递信号的众多神经纤维。Naveen Jayaprakash、Nicole Carpentiere、Parisa Saleknezhad 和 Khaled Qanud

扎诺斯在采访中强调，项目并非依靠某一项孤立的突破完成。关键进展之一，是同时提高了成像精细度与速度，使大批量神经样本的高分辨率分析成为可能。

这也解释了为什么样本数量如此重要。单条神经可以展示一种精细结构，多位捐献者的样本，才让研究人员有机会判断哪些特征具有共性，哪些属于个体差异。

03

下一代刺激器，需要知道自己刺激了什么

对于医疗器械开发者，这份图谱最直接的价值，是为电极与目标组织之间的关系提供更真实的依据。

从工程角度推演，当不同功能纤维的空间分布逐渐清楚，电极接触点的位置、排列方式，以及刺激电场的覆盖范围，就可以围绕更明确的解剖目标设计。设备优化也因此有机会从寻找“能产生效果的参数”，进一步走向辨认“产生效果的是哪一组纤维”。

这仍然需要实验验证，但图谱让相关问题变得更具体。

例如，如果目标纤维集中于某一区域，多接触点电极是否能够提高选择性？如果它们分布较深或与其他纤维交错，仅调整刺激方向是否足够？不同神经结构下，同一套电极能否保持相近的招募效果？

这些问题也可以进入计算模型。更接近真实人体的神经几何结构，有望帮助研究人员比较不同电极布局与刺激方案，再选择值得进入实验验证的设计。

扎诺斯特别关注细小感觉纤维。他在采访中指出，数量庞大的感觉纤维中，有许多细小纤维难以被常用刺激器有效触及，而它们参与的自主神经反射，可能与多种疾病过程有关。

看见这些纤维，只是开发新疗法的起点。设备还需要证明能够以可接受的条件招募目标纤维，并将这种激活转化为稳定、可重复的治疗收益。解剖图谱提供靶点线索，刺激选择性和临床有效性仍需分别建立证据。

数据集页面

04

个体差异，可能藏在相似的外观之下

神经调控面临的一个现实问题，是同样的设备和相近的参数，并不能保证产生相同的疗效。

病情、病程和生理状态都可能影响治疗反应，神经内部的排列方式也是值得研究的因素。外观看起来相似的神经，分支位置、神经束构型，以及不同功能纤维相对于电极的位置，可能并不相同。

伦敦大学学院生物医学工程师Enrico Ravagli在相关报道中提醒，不同人的迷走神经分支会在不同位置分出，不能假设所有人拥有完全一致的神经布局。

这意味着，群体图谱的用途不能停留在绘制一条“标准神经”。它还需要保留差异，帮助研究人员评估一个设计对解剖变化有多敏感。

SPARC的相关技术资源已经将这种思路落实为个体化三维结构框架：在保留样本差异的同时，使用共同坐标组织神经主干、分支及多模态数据，支持跨个体比较。

对未来设备而言，这可能形成两种互补的设计路径：利用人群共性确定基础结构和参数范围，再根据个体的解剖与生理反馈进行调整。

扎诺斯也指出，个性化治疗并不意味着所有要素都需要无限细分。选择什么生物标志物、据此调整电极还是刺激参数，必须与治疗目标对应；识别人群间稳定的相似性，反而可能帮助缩小调参范围。

05

从结构地图到治疗方案，还需要动态证据

团队希望推进的“精准自主神经调控”，面向的疾病范围包括类风湿性关节炎、心力衰竭、肺动脉高压、心律失常，以及糖尿病和肥胖症等。

这些方向处于不同的研究与转化阶段。图谱提供了研究基础，不能据此认为上述疾病都已经获得有效的新疗法。

真正的难点，是把结构、刺激与长期结果连接起来。

解剖图谱主要告诉研究人员组织如何排列，却不能直接呈现活体中神经信号如何随疾病、行为和治疗过程变化。即使确认刺激招募了某类纤维，仍需要观察它对器官、大脑及免疫系统产生的后续影响。

扎诺斯因此建议，设备开发者尽可能全面地收集反应数据。自主神经刺激的作用可能出现在不同系统，也可能发生在不同时间尺度上。只记录一个即时指标，容易遗漏延迟出现的收益或不良反应。

沿着这一思路，图谱未来有望与电生理记录、生物标志物和计算模型结合：解剖信息帮助确定刺激位置，生理反馈帮助判断实际激活效果，长期观察则检验治疗是否真正改善患者状态。这是图谱可能支持的发展路径，尚不是这次数据发布已经完成的临床闭环。

目前，相关资源已通过SPARC平台开放。公开数据的意义，在于让不同团队能够围绕共同的解剖基础开展分析、比较模型并开发设备，而不必各自从少量样本重新起步。SPARC平台同时提供数据、空间映射和计算建模等资源，为这些工作之间的衔接创造条件。

人体内的这条神经“高速公路”，早已承担着繁忙的通信任务。如今，研究人员终于能够更细致地查看它的内部道路，辨认分支，比较不同人的线路布局。

接下来的挑战，是让电极发出的每一次刺激，都有更清楚的解剖依据和可验证的生理目标。对下一代神经调控而言，这张地图最值得期待的用途，正是帮助设备更准确地找到需要干预的通路，并让这种准确性最终体现在患者的治疗结果中。

脑机接口社区是国内首家脑机接口(BCI)产业服务平台、国内脑机接口新媒体开创者与引领者。主要为企业、科研团队、投资机构和从业者提供以下服务：

宣传报道：图文、短视频、直播形式报道企业动态、技术解读、产品介绍等内容，提升曝光和行业影响力。

资源对接：根据需求匹配资本、供应链、临床机构、渠道方等资源，完成真实对接，促进合作。

成果转化：协助技术团队寻找产业方、投资人及落地场景，推动技术到产品的转化。

活动策划执行：承接线上线下路演、沙龙、论坛等活动的策划与执行。

其他定制需求：包括报告定制、市场调研、人才招聘支持等个性化服务。

合作洽谈，请联系微信：ZuoLeiLeiya

（备注：姓名-单位-合作）