衰老过程中记忆的神经调节 (TMS-AD)
2026年8月7日 更新者：Simon W. Davis、Indiana University
工作记忆网络在衰老和痴呆中的自适应神经调节
拟议的研究将使用基于个性化大脑网络的闭环经颅磁刺激 (TMS) 来建立能够可靠地控制大脑状态的参数。
这将在健康老龄化和轻度认知障碍 (MCI) 队列中进行测试。
研究人员将研究调节工作记忆的网络激活和神经振荡机制，然后使用闭环 TMS 将该网络定位到前额叶皮层。
研究人员将测量 TMS 对工作记忆性能和基于任务的神经活动的影响。
该项目将使用大脑刺激和网络建模技术来增强健康老年人和 MCI 的工作记忆，并将展示闭环、网络引导 TMS 对未来临床应用的价值。
研究概览
详细说明
阿尔茨海默氏病 (AD) 引起的痴呆症是美国主要的公共卫生问题，尽管进行了多项临床试验，但护理费用巨大且没有有效的药物疗法。 多项研究表明，轻度认知障碍 (MCI) 是 AD 的先兆风险，并且更易于干预。 虽然临床前研究表明，使用经颅磁刺激 (TMS) 等非侵入性脑刺激技术直接调节前额叶皮层 (PFC) 的活动，可以调节健康老年人的认知功能，但几乎没有证据表明其疗效可靠MCI。
研究人员提出了这种缺乏疗效的三个原因。 首先，没有确定的方法来估计可靠的生物标志物和 TMS 强度与大脑活动之间独特的剂量反应关系。 其次，标准 TMS 协议无法捕捉认知状态的动态特性以及内源性大脑状态对外源性神经调节的反应。 第三，没有在 AD 相关人群中使用 TMS 的研究说明脑血管疾病对 TMS 反应的影响。 研究人员建议通过使用基于个性化大脑网络的闭环 TMS 来解决这些缺点，以建立能够在健康衰老和 MCI 的正常记忆功能期间可靠地控制大脑状态的参数。
为了实现这一目标，研究人员将研究调节工作记忆 (WM) 的网络激活和神经振荡机制，工作记忆是一种具有可靠的前额叶皮层 (PFC) 网络特征的认知功能。 然后，研究人员将使用闭环 TMS 将此网络瞄准 PFC，并测量对 WM 性能和基于任务的神经活动的影响。 这种方法使用并发 TMS-fMRI 来识别工作记忆网络中的剂量反应关系。 接下来，研究人员应用新型闭环 TMS 来使用时间精确的 TMS-EEG 扰乱该网络。 最后，研究人员将通过 fMRI 和脑电图收集的信息整合到一个单一的计算框架中，以模拟全球大脑网络的时空动力学，并预测我们的 MCI 队列中 TMS 相关反应的成功。 该项目将使用尖端的脑刺激和网络建模技术来增强健康老年人的 WM 和 MCI，并将展示闭环、网络引导的 TMS 对未来临床应用的价值。
研究类型
介入性
注册 (估计的)
150
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Simon W Davis, PhD
- 电话号码：9196841243
- 邮箱：simon.davis@duke.edu
研究联系人备份
- 姓名：Emily Finch, BA
- 电话号码：9196682842
- 邮箱：emily.finch@duke.edu
学习地点
-
-
North Carolina
-
Durham、North Carolina、美国、27710
- 招聘中
- Duke University Hospital
-
接触：
- Emily Finch, BS
- 电话号码：9196682299
- 邮箱：emily.finch@duke.edu
-
接触：
- Simon Davis, PhD
- 电话号码：9196680437
- 邮箱：simon.davis@duke.edu
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
60年 至 75年 (成人、年长者)
接受健康志愿者
是的
描述
纳入标准：
- 英语会话
- 愿意提供同意
排除标准：
- 任何轴 I DSM-V 障碍的病史，不包括重度抑郁症或广泛性焦虑症
- 当前药物滥用或依赖史（尼古丁除外）
- 颅内植入物（例如 动脉瘤夹、分流器、刺激器、人工耳蜗或电极）、心脏起搏器或迷走神经刺激装置
- 由于任何原因导致癫痫发作的风险增加，包括先前诊断为癫痫、癫痫发作、颅内压升高或严重头部外伤史伴意识丧失 ≥ 5 分钟。
- 神经系统疾病，包括但不限于：占位性脑损伤；任何癫痫病史，脑血管意外病史；昏厥、脑动脉瘤、痴呆、亨廷顿舞蹈病；多发性硬化症。
- 当前使用已知会降低癫痫发作阈值和/或影响工作记忆的药物
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：基础科学
- 分配：非随机化
- 介入模型：单组作业
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：TMS-随机化
将测试三种不同的闭环条件，每种条件都是由持续一段时间的 α 波段功率触发的。
在第一种情况下，具有随机（随机化）脉冲间间隔的心律失常 TMS 训练将用于破坏皮质 α 振荡，从而有望增强记忆性能。
|
经颅磁刺激 (TMS) 是一种非侵入性程序，它使用磁场刺激大脑中的神经细胞，以改善各种认知状况，并探查正常大脑功能的动态。
其他名称：
|
|
实验性的：TMS 指令
将测试三种不同的闭环条件，每种条件都是由持续一段时间的 α 波段功率触发的。
在第二种情况下，有节奏的（有序的）阿尔法频率 TMS 训练，期望这种阿尔法刺激将在任务期间进一步引起同步，从而恶化记忆表现。
|
经颅磁刺激 (TMS) 是一种非侵入性程序，它使用磁场刺激大脑中的神经细胞，以改善各种认知状况，并探查正常大脑功能的动态。
其他名称：
|
|
假比较器：TMS-假手术
将测试三种不同的闭环条件，每种条件都是由持续一段时间的 α 波段功率触发的。
在第三种情况下，将以相同的随机脉冲间间隔传递假刺激，但不向大脑传递 TMS。
|
经颅磁刺激 (TMS) 是一种非侵入性程序，它使用磁场刺激大脑中的神经细胞，以改善各种认知状况，并探查正常大脑功能的动态。
其他名称：
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
工作记忆任务
大体时间：在 TMS-EEG（第 4 天）期间收集
|
工作记忆任务中 TMS 条件（随机刺激、有序刺激和假刺激）之间的记忆准确性差异。
该任务的每个试验都包括一系列字母的刺激呈现、受试者按字母顺序排列字母的延迟期，以及受试者指示数字是否与所呈现的字母探针的字母顺序位置相对应的探测期。
随后将记忆作为 TMS 条件的函数进行评估。
|
在 TMS-EEG（第 4 天）期间收集
|
|
功能性网络连接
大体时间：在初始神经影像学会议期间收集（第 2 天）
|
通过比较两个或多个大脑区域的血液动力学时间过程来估计功能网络连接/活动。
每对区域的时间进程之间的相关性称为功能网络连接。
工作记忆网络 (WMN) 是通过比较基于 fMRI 的功能网络连接的高工作记忆负载和低工作记忆负载（例如，记住 4 项与 3 项）来识别的。
|
在初始神经影像学会议期间收集（第 2 天）
|
|
血管密度 (VAD)
大体时间：在第二次神经影像学会议期间收集（第 3 天）
|
这种神经血管大脑健康的测量，血管密度 (VAD)，通过一种自动分割静脉的方法估计，磁共振成像 (MRI) 序列被称为磁敏感加权成像。
该测量值可用于估计脑静脉扩张，从而估计 VAD。
|
在第二次神经影像学会议期间收集（第 3 天）
|
|
基于脑电图的连接
大体时间：在 TMS-EEG（第 4 天）期间收集
|
脑电图数据将源重建为细粒度网格，解决方案点的时间进程按每个区域和每个主题进行平均。
平均 EEG 源信号的相干性 (iCoh) 的虚部将在 alpha 和 theta 频带内进行评估，以构建基于 EEG 的连接矩阵（“连接体”），用于每个主题的基于 alpha 和 theta 的连接。
|
在 TMS-EEG（第 4 天）期间收集
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
蒙特利尔认知评估 (MoCA)
大体时间：在初步筛选访问期间收集（第 1 天）
|
MoCA 被设计为轻度认知功能障碍的快速筛查工具。
这种广泛使用的工具用于评估不同的认知领域：注意力和专注力、执行功能、记忆力、语言、视觉结构技能、概念思维、计算和定向。
主要的结果测量是结合每个子测试的表现的总分。
分数范围从 0 到 30。
较高的分数表示完整的认知功能。
|
在初步筛选访问期间收集（第 1 天）
|
|
美国国立卫生研究院 (NIH) 工具箱认知电池
大体时间：在初次筛选访问期间收集（第 1 天）
|
NIH 工具箱的主要结果测量是结晶或流体智力分数。
流体智力涉及理解、推理和解决问题，而结晶智力涉及回忆存储的知识和过去的经验。
这些分数经过标准化和缩放以反映 1-100 的范围。
分数越高表示性能越好。
|
在初次筛选访问期间收集（第 1 天）
|
|
霍普金斯语言学习测试 (HVLT-2)
大体时间：在初次筛选访问期间收集（第 1 天）
|
霍普金斯语言学习测试 (HVLT-R) 包括记忆单词列表，以测试记忆后立即回忆（立即回忆）和 20 分钟延迟后（延迟回忆）的能力。
这些分数被归一化以反映 1-100 的百分位数范围。
分数越高表示性能越好。
|
在初次筛选访问期间收集（第 1 天）
|
|
简要视觉空间记忆测试 (BVMT-R)
大体时间：在初步筛选访问期间收集（第 1 天）
|
BVMT-R 是一种常用的评估工具，用于测量视觉空间学习和记忆。
在三个连续的 10 秒试验中，向参与者展示以 2 × 3 矩阵排列的六个简单图形的视觉显示。
立即和延迟召回以及复制试验的评分基于图纸的准确性和图形的位置。
这些分数被归一化以反映 1-100 的百分位数范围。
分数越高表示性能越好。
|
在初步筛选访问期间收集（第 1 天）
|
|
数字跨度向前/向后
大体时间：在初次筛选访问期间收集（第 1 天）
|
跨度测试衡量受试者以正向或反向顺序记住一系列数字的能力。
这些分数被归一化以反映 1-100 的百分位数范围。
分数越高表示性能越好。
|
在初次筛选访问期间收集（第 1 天）
|
|
类别和音素语言流畅度
大体时间：在初次筛选访问期间收集（第 1 天）
|
流利度测试衡量参与者为每个分类（例如，农场动物）或音素（例如，以“b”开头的单词）提示生成新范例的能力。
生成的范例数被记录为该测试的主要结果。
这些分数被归一化以反映 1-100 的百分位数范围。
分数越高表示性能越好。
|
在初次筛选访问期间收集（第 1 天）
|
|
追踪测试
大体时间：在初步筛选访问期间收集（第 1 天）
|
“Trails”测试的目的是衡量参与者在一张纸上追踪一系列字母和数字之间的路径的能力，并可以根据他们搜索、扫描的速度来深入了解一个人的认知功能，并处理视觉信息。
这些分数被归一化以反映 1-100 的百分位数范围。
分数越高表示性能越好。
|
在初步筛选访问期间收集（第 1 天）
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Simon W Davis, PhD、Duke University
- 首席研究员：Andy Liu, MD、Duke University
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2024年3月28日
初级完成 (估计的)
2027年6月30日
研究完成 (估计的)
2027年6月30日
研究注册日期
首次提交
2022年6月6日
首先提交符合 QC 标准的
2022年7月14日
首次发布 (实际的)
2022年7月15日
研究记录更新
最后更新发布 (实际的)
2026年8月11日
上次提交的符合 QC 标准的更新
2026年8月7日
最后验证
2026年8月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.