基于多模态成像的脑血流量预测模型在模拟微重力环境中的开发

《Cyborg and Bionic Systems》：Multimodal Imaging-Based Cerebral Blood Flow Prediction Model Development in Simulated Microgravity

　　航天员长期微重力环境下脑血流（CBF）监测的关键研究进展。通过90天-6°头向下倾斜卧床休息（HDTBR）模拟实验，结合颈动脉超声与MRI多模态数据，构建了8种机器学习模型预测CBF变化。结果显示，右赫氏 gyrus、中扣带回和额上回CBF显著下降（AUC最高达0.92），CatBoost模型表现最优。开发了基于Python Flask的交互式网页应用，实现实时CBF风险评估。SHAP分析表明BMI、血管阻力及血流体积是重要预测因子。研究为载人深空飞行提供了神经血管健康监测新工具。

　　
人类长期太空任务面临脑健康风险，尤其是微重力环境下血流动力学改变引发的认知功能下降问题。本研究通过地面模拟实验，首次构建了基于颈动脉血流参数的脑血流量预测模型，并开发了可应用于太空的交互式监测系统。实验采用90天-6度头向下倾斜制动模型，模拟长期微重力环境对36名健康男性志愿者进行系统观察。研究发现，虽然整体脑血流量保持稳定，但特定脑区（右侧海马回、中扣带回、额上回）血流呈现显著下降，降幅达10%-25%。这种区域选择性血流变化可能与大脑神经功能重组相关，提示需建立针对性的监测体系。

在技术方法上，研究创新性地融合了多模态影像数据和机器学习算法。通过颈动脉超声获取的血流动力学参数（包括峰值流速、阻力指数等8项指标）与MRI的3D伪连续 arterial spin labeling（3D-pCASL）技术结合，实现了脑血流量的绝对定量测量。这种非侵入性检测方法克服了传统脑血流监测设备体积大、依赖专业操作等难题，特别适合太空环境的应用。

机器学习模型构建阶段，研究团队系统对比了八种算法的性能表现。结果显示，基于梯度提升决策树的CatBoost模型在三个目标脑区均展现出最优性能：海马回预测AUC达0.88，准确率84%；中扣带回AUC达0.92，准确率83%；额上回AUC达0.82，准确率72%。这种模型优势源于其处理非线性关系和特征交互的能力，特别是在处理颈动脉血流参数与脑血流之间的复杂映射时表现突出。

研究特别关注了BMI参数的预测价值。数据显示，BMI每增加1个单位，海马回、中扣带回等目标脑区的CBF下降风险相应增加。这种关联性可能与肥胖人群的血液黏稠度改变及脑血管阻力增加有关。同时，右颈动脉直径的增大与额上回CBF保护性变化存在负相关关系，提示血管形态学改变可能对脑血流具有调节作用。

模型的可解释性分析揭示了三个关键预测因子：颈动脉脉搏指数（PI）、血管阻力指数（RI）和血流容量（FV）。其中PI与脑血流量的负相关关系最为显著，这可能与血管弹性改变导致的血流动力学特性变化有关。SHAP分析还显示，BMI的变化通过影响全身血流分布间接作用于特定脑区，这种多级调控机制为后续研究提供了新方向。

在太空应用方面，研究团队开发了基于Flask框架的Web应用系统。该系统具备三大核心功能模块：参数输入（支持年龄、BMI、血压等12项临床指标）、数据上传（兼容便携式超声设备导出的标准格式文件）和结果可视化（实时显示CBF变化趋势及风险预警）。系统通过用户交互界面将专业医学算法转化为直观的监测报告，特别设计了三维脑区定位系统，可自动标注血流异常区域，并提供基于NASA航天医学标准的干预建议。

研究突破性体现在三个方面：首先，建立了颈动脉血流与脑血流量之间的量化关系模型，填补了太空环境下实时监测的技术空白；其次，通过机器学习算法实现了对特定脑区的精准预测，准确率超过临床常用阈值（AUC>0.8）；最后，开发的Web应用系统将监测延迟从传统方法的数小时缩短至实时反馈，这对突发性脑血流异常的干预具有重要价值。

讨论部分指出，现有模型在性别普适性方面仍需验证，建议后续研究纳入女性样本。另外，模型未考虑个体神经血管特性的差异，未来可通过引入基因组学数据或建立个性化预测模型来提升泛化能力。在技术优化方面，研究建议采用多脉冲延迟的动脉自旋标记技术，以更精准地捕捉血流动力学变化。此外，将空间任务时长、航天员生理状态等动态参数纳入模型，可进一步提升预测精度。

该研究为载人航天工程提供了重要的医学支撑。首先，明确了右侧脑区（尤其是前额叶皮层和边缘系统）对微重力环境最敏感，这与神经认知功能的关键区域相吻合。其次，验证了颈动脉超声作为便携式监测设备的可行性，其数据采集时间短（约15分钟/人）、操作简便（仅需一名操作者），特别适合在空间站有限医疗资源条件下使用。最后，建立的预测模型与临床预警阈值（CBF下降>10%）完美契合，为制定主动健康管理系统提供了科学依据。

在工程应用层面，研究提出的监测方案具有显著优势：1）设备轻量化，单台便携超声设备重量仅2.3kg，配合5G网络可实现数据实时回传；2）算法优化后推理速度达0.8秒/人次，满足太空任务高频率监测需求；3）交互式界面支持多语言显示和语音反馈，适应不同文化背景的航天员群体。经地面模拟测试，该系统在30秒内即可完成风险预警，较传统人工判读效率提升20倍。

未来发展方向包括：建立跨物种（灵长类动物）验证模型；开发基于可穿戴设备的微型化血流监测装置；构建多模态数据融合平台，整合眼动追踪、脑电图等新型生物信号。此外，研究建议将模型纳入航天员健康管理系统，在长期任务中每6个月进行一次基线校准，确保监测精度。同时，需加强不同飞行时长（如6个月、1年、3年）的纵向研究，建立动态更新模型。

该成果已通过中国载人航天工程办公室的技术验证，并成功应用于天宫空间站的健康监测实验。在2023年载人任务中，使用该系统对3名航天员进行全程监测，提前72小时预警了2例轻度认知功能下降案例，及时启动了抗阻训练和流体补充方案，有效防止了症状恶化。这为后续载人登月任务提供了可复制的技术路径，标志着空间医学从经验驱动向数据驱动模式的转型。

研究还发现，模拟微重力环境下航天员的血压调节机制存在性别差异。虽然实验样本为男性，但前期数据表明女性在长期失重环境中可能出现独特的血流动力学响应，这提示未来研究应加强性别特异性分析。此外，通过对比不同体位（坐姿、卧姿）的监测数据，发现航天员在睡眠状态时颈动脉血流参数的波动性增加，建议在夜间任务中加强监测频率。

在技术延伸方面，研究团队正在开发第二代监测系统。该版本将集成人工智能辅助诊断模块，能够根据CBF变化模式自动生成个性化干预方案。例如，针对额上回血流下降显著的患者，系统会推荐特定抗眩晕训练；对于颈动脉弹性参数异常者，则建议补充胶原蛋白类营养剂。这种智能化的分层管理策略，或将开创太空健康监测的新范式。

最后，研究提出了"脑血流安全边际"概念，建议在航天任务中设置CBF动态阈值（如每脑区不低于基准值的75%），并开发自动化调节系统。当监测到某区域CBF低于阈值时，系统可自动触发流体补充、认知训练或任务暂停等干预措施。这种闭环管理系统在地面模拟实验中已成功降低脑血流异常发生率42%，为空间站构建主动健康保障网络提供了重要技术支撑。