数字疗法如何更有效？(得加生物反馈)

数字疗法（DTx）机理

数字疗法（DTx）是一种基于软件的治疗干预，通过循证的医学方案预防、管理或治疗疾病。本文中的DTx是一款专为ADHD儿童设计的平板电脑游戏，其核心机理包括：

认知训练任务：游戏包含三种任务类型——打蛋、数字和水果。这些任务要求儿童在时间压力下快速辨别目标并作出点击反应，同时抑制对非目标刺激的反应（Go/No-go范式）。这种设计旨在训练持续注意力和反应抑制，即ADHD的核心缺陷。

自适应难度：游戏根据儿童的行为表现（准确率、反应时）动态调整关卡难度，确保训练始终处于“适度挑战”区间，从而维持参与度和学习效果。

游戏化激励：通过场景变化（沙漠、城镇等）、视觉和听觉奖励，提高儿童的内在动机和长期坚持性。

HUIYING

神经反馈（Neurofeedback, NFb）机理

神经反馈是一种脑机接口技术，通过实时监测大脑活动并将特定脑电特征以视觉/听觉形式反馈给用户，帮助其学会自我调节脑功能。本文中的NFb机理如下：

实时脑电采集：儿童佩戴单通道额叶EEG设备（如图1a），设备采集前额叶皮层（与注意力密切相关）的脑电信号。

特征提取：系统每秒计算两个关键指标——注意力指数（基于个体化β波功率）和运动指数（基于EMG信号，用于检测大动作）。

反馈机制：

视觉负反馈：当注意力指数低于基线80%时，屏幕背景颜色饱和度降低（如图1c），提示儿童注意力下降。

正反馈：当注意力指数持续高于基线150%达3秒时，游戏角色播放视听奖励效果。

动作暂停：当运动指数超过基线300%持续3秒时，游戏暂停并提示减少身体移动。

图1：神经反馈数字疗法系统示意图

图1通过四个子图完整呈现了本研究所使用的神经反馈数字疗法系统：图1a展示了轻便的单通道EEG头戴设备，佩戴于儿童前额，用于实时采集脑电信号；图1b呈现了平板电脑中的游戏界面，背景为沙漠或城镇场景，儿童需完成打蛋、数字等认知任务；图1c通过对比正常画面与低饱和度（变灰）画面，直观说明了当注意力下降时游戏背景颜色发生变化的视觉负反馈机制；图1d的流程图系统展示了从静息态基线采集、实时EEG信号处理（计算注意力指数和运动指数）、阈值判断到游戏反馈（正/负反馈、暂停）的完整闭环调控过程。图1共同构成了神经自适应数字疗法的硬件基础、交互形式、反馈示例和系统逻辑，为理解整个干预机制提供了清晰的可视化框架。

HUIYING

基于NFb + DTx对ADHD的干预治疗概述

本研究将NFb与DTx深度融合，形成一种神经自适应数字疗法，其干预流程如图1d所示：

静息态基线采集：儿童静坐2分钟，系统计算个体化α峰值频率（iAPF）和基线注意力/运动指数。

游戏训练阶段：儿童进行三种任务游戏，同时EEG实时监测注意力状态。

实时闭环调控：

当注意力高时，游戏给予正强化（奖励动画），鼓励维持专注。

当注意力低时，游戏环境变灰，引导儿童重新聚焦。

当动作过大时，游戏暂停，提醒减少身体活动。

这种闭环设计使得干预不再单纯依赖行为表现，而是直接基于大脑状态进行个性化调整，从而实现更精准、更及时的注意力训练。

HUIYING

NFb中脑电特征值及其计算与量化

个体化α峰值频率（iAPF）的计算

个体化α峰值频率（iAPF）是定义个体β频带的基础，通过静息态2分钟EEG数据计算得到。其计算公式如下：

其中：

f为频率（7–14 Hz范围）

S(f) 为对应频率的功率谱密度

iAPF反映了个体α节律的中心频率，是高度稳定的神经特征，用于后续个性化频带划分。在2分钟静息态采集期间，儿童注视屏幕中央十字，系统同时计算该时段内注意力指数和运动指数的基线平均值，作为后续实时反馈的参照基准。

注意力指数（Attention Index）的计算

注意力指数基于个体化β波频带（iBeta） 的实时功率谱密度。iBeta频带定义为：

下限 = 1.3×iAPF1.3×iAPF

上限 = 3.0×iAPF3.0×iAPF

这一范围覆盖了与注意力密切相关的β波段，同时考虑了个体差异。实时计算采用2秒滑动窗口（步长1秒），对每个窗口计算iBeta频带内的功率谱密度，得到每秒钟的注意力指数原始值（单位：μV²/Hz）。

注意力指数的量化（0–100）及其对游戏画面的控制

论文中并未直接给出注意力指数到0–100的线性映射公式，而是采用与基线值的相对比例作为反馈控制的依据：

基线值：静息态2分钟内所有窗口注意力指数的平均值。

实时相对比例：

该比例Ratt是一个连续的实数，理论上可在0到无穷大之间，但实际训练中通常落在0.5–2.0范围内。系统利用Ratt直接驱动两类反馈：

视觉负反馈（连续调节）：当Ratt<0.8时，屏幕背景颜色的饱和度被设置为Ratt乘以基准饱和度（即实时/基线比例）。例如，若Ratt=0.6，饱和度降为正常的60%，屏幕呈现灰暗效果（如图1c所示）。这种连续调节让儿童能直观感知注意力的细微波动。

正反馈（离散事件）：当Ratt>1.5并持续3秒以上，游戏触发视听奖励（如角色欢呼、金币音效），强化专注状态。

虽然未显式定义0–100评分，但若需要将RattRatt映射到0–100，可预设一个合理范围（例如将0.5倍基线对应0分，2.0倍基线对应100分），线性插值得到整数评分。但本研究仅使用阈值和连续比例进行实时调控，未进行额外的数值映射。

运动指数（Movement Index）的计算及其对游戏画面的控制

运动指数用于检测大幅身体动作，基于EMG信号功率计算：

其中：

分子为40–125 Hz频段（去除48–52 Hz工频干扰）的功率

分母为4–125 Hz频段（去除工频）的总功率

该比值反映了高频肌电活动在总功率中的占比，数值越大表示身体运动越剧烈。同样，从静息态2分钟数据中计算出运动指数的基线平均值。

实时控制逻辑：

计算实时运动指数相对比例：Rmove=实时运动指数/基线运动指数

当Rmove>3.0并持续3秒时，游戏画面暂停，并弹出文字提示“请减少身体移动”，直至Rmove回落至阈值以下才恢复游戏。

运动指数主要用于离散的暂停控制，不涉及连续量化到0–100，也不调节游戏画面属性，仅在超标时触发中断。

总结：神经反馈系统通过计算实时注意力指数与基线的比例Ratt，连续调节屏幕饱和度（如图1c），并在高专注时给予正强化；同时利用运动指数比例Rmove监测大幅动作，超标时暂停游戏。整个闭环流程如图1d所示，实现了基于脑状态的实时自适应训练。

HUIYING

临床研究

研究方法

参与者：共74名6–12岁ADHD儿童（IQ≥70，未服药），随机分为神经反馈组（NFb，n=37）和无神经反馈组（n-NFb，n=37）。两组基线特征无显著差异（见表1）。

指标	NFb组	n-NFb组
年龄（岁）	7.8 ± 1.5	7.9 ± 1.5
性别（男/女）	8月29日	32/5
IQ	113.9 ± 17.4	113.3 ± 14.4
共病ASD	6	4
TOVA基线	–3.6 ± 3.1	–4.1 ± 2.5

干预方案：4周居家训练，每天25分钟，每周5天。NFb组游戏受EEG信号实时调控，n-NFb组仅记录EEG但游戏无反馈。

评估工具：

客观注意力：Test of Variables of Attention（TOVA），主要指标为注意力表现指数（API）。

家长报告：SNAP-IV量表（注意缺陷、多动/冲动维度）。

游戏内表现：各任务的准确率和反应时。

EEG分析：每日平均注意力指数随训练天数的变化趋势。

研究结果

TOVA结果（图2）

两组干预后API均显著提高（主效应 p<0.001p<0.001），但NFb组整体高于n-NFb组（组间效应 p=0.045p=0.045）。

基线校正后，NFb组后测API显著优于n-NFb组（p=0.010p=0.010，ηp2=0.091ηp2=0.091）。

NFb组78.3%的儿童API提高，n-NFb组为59.5%。

图2：两组干预前后行为与认知表现对比

图2通过五个子图全面展示了神经反馈组（NFb）与无神经反馈组（n-NFb）在干预前后的表现差异：图2a显示两组在TOVA注意力表现指数（API）上均有提升，但NFb组改善幅度更显著；图2b展示NFb组78.3%的儿童API评分提高，高于n-NFb组的59.5%；图2c和图2d分别呈现目标试次（需反应）的准确率和反应时变化，NFb组在“打蛋任务”中准确率显著高于对照组，两组反应时均显著缩短；图2e展示非目标试次（需抑制）的准确率变化，NFb组在“打蛋”和“水果”任务中的抑制准确率显著更高。误差棒表示标准误，统计显著性标记（*p < 0.05, **p < 0.01, ***p < 0.001）表明神经反馈组在多个指标上表现出更优的干预效果，尤其在需要快速反应和抑制控制的任务中优势明显。

SNAP-IV结果

两组在“注意缺陷”维度均有显著改善（p=0.042p=0.042），但组间无显著差异。

“多动/冲动”维度未见显著变化。

游戏内表现

目标试次（需反应）：NFb组在“打蛋任务”中准确率显著高于n-NFb组（p<0.001p<0.001），反应时均缩短。

非目标试次（需抑制）：NFb组在“打蛋”和“水果”任务中抑制准确率显著更高（p<0.05p<0.05），显示神经反馈对抑制控制的促进作用。

EEG分析（图3）

NFb组注意力指数随训练天数显著上升（R2=0.619R2=0.619，p<0.001p<0.001），表明神经反馈训练增强了注意力水平。

n-NFb组无明显变化（R2=0.082R2=0.082，p=0.22p=0.22），两组相关性差异显著（Z=2.983Z=2.983，p=0.001p=0.001）。

图3：两组注意力指数随训练天数的线性回归对比

图3展示了神经反馈组（NFb）与无神经反馈组（n-NFb）在20天训练期间注意力指数的变化趋势：NFb组（左图）的注意力指数随训练天数增加呈显著上升趋势（R²=0.619，p<0.001），表明神经反馈训练有效提升了儿童的实时注意力水平；而n-NFb组（右图）的注意力指数变化平缓，无统计学意义（R²=0.082，p=0.22）。图中散点代表每日组内平均注意力指数（相对于基线的标准化值），误差棒表示标准误（SEM），实线为线性回归趋势线，虚线为95%置信区间。两组相关性经Fisher‘s z检验差异显著（Z=2.983，p=0.001），为神经反馈的有效性提供了直接的神经生理学证据。

HUIYING

总结

本研究首次证实，将单通道EEG神经反馈整合进视频游戏数字疗法，能显著提升ADHD儿童的注意力表现，尤其在需要快速反应和抑制控制的任务中效果突出。主要结论如下：

神经反馈增强效应：相比单纯行为适应，实时脑电反馈带来了更显著的客观注意力改善（TOVA）和脑电指标提升（注意力指数）。

个体化频带设计：基于iAPF的个体β波定义，考虑了儿童脑电的异质性，提高了神经反馈的精准性。

便携性与可行性：单通道EEG设备成本低、易操作，适合家庭场景，为ADHD的非药物干预提供了可扩展的新方案。

尽管存在样本局限（男性为主、未用药儿童）、干预期短等不足，本研究为神经自适应数字疗法在儿童精神健康领域的应用奠定了重要基础。未来可结合多通道EEG、机器学习算法，实现更精细的闭环调控，并探索长期疗效及日常功能迁移。