本文题为 “Personalized home-based neurostimulation via AI optimization augments sustained attention”，由 Roi Cohen Kadosh 等人共同完成，作者来自英国萨里大学心理学院、Cognite Neurotechnology Ltd、牛津大学实验心理学系以及澳大利亚阿德莱德的亚马逊公司。该研究提出并验证了一种基于人工智能的个性化贝叶斯优化（pBO）方法，能够在家庭环境中远程调整经颅随机噪声刺激（tRNS）参数，从而提升持续性注意力表现。研究通过计算建模和双盲随机对照实验，证实了该方法在提高低基线表现个体的注意力能力方面的显著优势，为个性化认知增强与实际可扩展应用提供了新的技术路径。
01 摘要
02 研究背景
研究难点
个性化不足：现有个性化刺激方法往往依赖高分辨MRI电场建模或耗时的参数扫描，难以在大规模人群中实施。
生态效度低：实验室环境下的任务和刺激条件与真实生活差距显著，导致研究结果在家庭、工作等环境中可推广性差。
刺激参数优化复杂：刺激强度与个体表现的关系往往是非线性的倒U型曲线，存在最佳区间与不良区间，需要精准辨别。
远程实施挑战：如何在家庭环境中确保刺激安全、数据准确采集及受试者依从性，是神经调控大规模应用的技术难题。
数据噪声与依从性：在线实验易受参与者动机、注意力波动及环境干扰影响，导致数据质量下降，从而影响算法优化效果。
03 模型设计
研究团队创新性地引入个性化贝叶斯优化（personalized Bayesian Optimization, pBO）算法，将个体基线表现与生理特征纳入模型，动态调整tRNS的刺激参数，实现自适应个性化神经调控。
输入个性化变量：基线持续注意表现（A’）和头围。
优化目标变量：tRNS刺激强度（0.1–1.6 mA）。
优化目标函数：以任务表现改进比值（A’刺激期 / A’基线期）作为最大化目标。
运行机制：
初始阶段（burn-in）：随机分配刺激参数，收集多样化响应数据。
pBO阶段：利用已收集数据和高斯过程（Gaussian Process）模型，预测不同参数组合的期望收益与不确定性，平衡探索（exploration）与利用（exploitation），选择下一轮最优参数。
参数更新与个体迭代：每次刺激后更新模型，持续优化个体参数，并可迁移至相似特征的未来用户。
技术部署：云端计算平台（Google Cloud Compute Engine）实时更新刺激协议，参与者在家中通过网络同步接收个性化方案。
04 实验设置
研究共分三部分：
实验1（算法开发与验证）
样本：103名健康成年人（18–35岁）。
设计：在家庭环境中完成空管持续注意任务（美军空军实验室设计），使用pBO算法逐步优化tRNS电流强度。
结果：识别出基线表现与刺激强度之间的倒U型关系，最佳强度随头围增大而增加。
实验2（仿真评估）
方法：使用Ackley函数构建仿真环境，比较pBO、随机搜索（Random Search）与非个性化BO。
结果：在低噪声条件下，pBO收敛速度与精度显著优于对照方法；噪声升高时优势减弱。
实验3（真实对照试验）
样本：37名新参与者，双盲、交叉设计。
条件：pBO-tRNS（个性化）、统一强度tRNS（1.5mA）、假刺激。
结果：低基线表现组中，pBO-tRNS显著优于统一强度和假刺激；高基线表现组无显著改善。
05 结果与分析
个性化优势显著：低基线组pBO-tRNS平均提升幅度达0.76（p = 0.015），且趋势呈pBO > 一刀切 > 假刺激。
生理特征影响：头围越大，最佳刺激强度越高，且过高或过低都会损害表现。
安全性良好：副作用发生率低且与强度无关，参与者盲态保持良好。
算法鲁棒性：低噪声条件下pBO效果优越，但在高噪声场景中优势减弱。
依从性挑战：约27%数据因基线表现波动超过20%被剔除，提示远程实验需优化动机维持机制。
06 结论
该研究首次在家庭环境中实现了AI驱动的个性化神经刺激优化，验证了其在低基线持续注意人群中的显著提升效果，并揭示了刺激强度与个体差异的关键关系。该方法摒弃了MRI建模等高成本个性化手段，为大规模、低成本、生态有效的认知增强和临床干预提供了新方案。
07 论文评价
✅方法创新亮点
创新方法：结合pBO与tRNS，实现个性化、动态优化的认知干预。
生态适用性高：在家庭环境下实施，减少了实验室环境的限制。
多阶段验证：算法开发、仿真测试与真实对照试验相结合，验证体系完整。
安全性强：低副作用，无显著负面体验。
临床与非临床潜力：适合认知功能低下人群，可能用于康复与教育领域。
⚠方法不足
适用范围有限，对高基线表现者效果不显著，算法需针对不同群体调优，远程实验中动机波动影响数据质量，高噪声环境下pBO优势减弱，需提升鲁棒性。
08 参考资料
Article:
doi.org/10.1038/s41746-025-01744-6
