帕金森病（Parkinson's disease, PD）患者進入疾病晚期時常會出現一種令人困擾的運動癥狀——步態凍結（Freezing of Gait, FOG）。它表現為行走過程中，患者突然、不自主地無法啟動或繼續邁步，仿佛雙腳被“粘”在地面上。FOG嚴重影響患者生活質量，增加跌倒風險，但其根本的病理生理機制尚未完全闡明。傳統觀點認為這與皮質-紋狀體環路過載和基底節輸出異常有關，但越來越多的證據表明，FOG的發生并非局限于單一腦區，而是涉及皮層及皮層下廣泛網絡層面的功能改變。然而，由于FOG的發作具有陣發性，傳統神經影像學技術，如功能磁共振成像（fMRI），在時間分辨率上難以精確捕捉其發作前瞬間的動態網絡變化。為了克服這一局限，具有高時間分辨率的移動式動態腦電圖（ambulatory electroencephalography, aEEG）技術，為研究FOG發生前的即時腦網絡動態提供了可能。

本研究共納入了18名患有FOG的PD患者。所有參與者均停用多巴胺能藥物，處于“關”期狀態，并接受了臨床量表評估。研究采用了經典的“起立-行走”（Time-Up and Go, TUG）任務來誘發FOG事件，并設置了自主停止（Voluntary Stopping, VS）任務作為對照。在VS任務中，參與者聽到隨機給出的口頭“停止”指令后需立即停步。整個實驗過程中同步記錄aEEG和全身視頻，以便離線標注行為事件。

研究人員從視頻記錄中識別出FOG發作和VS事件，并提取了三個關鍵的2秒腦電數據段進行分析：1）FOG期：從凍結發作開始；2）過渡到凍結期：緊鄰FOG發作前的2秒（trFOG）；3）正常行走期：作為基線對照。VS任務同理，提取了VS期、過渡到VS期和正常行走期。通過這種方式，可以對同為運動停止但性質（不自主 vs. 主動）不同的事件進行精確的神經生理學比較。

腦電數據經過嚴格的預處理，包括濾波、去除偽跡和獨立成分分析，以分離出與眼球運動相關的噪聲。隨后，利用偶極子溯源和68個腦區的Desikan–Killiany圖譜進行腦區分割。功能連接（Functional Connectivity, FC）通過計算相位鎖定值來量化，該值衡量了兩個腦區振蕩信號之間相位同步的一致性。基于功能連接矩陣，研究進一步應用圖論方法分析了大腦網絡的模塊性，該指標反映了大腦功能網絡分化為獨立、專門化子網絡（即功能分離）的程度。較高的模塊性意味著更強的網絡內局部連接和更弱的網絡間連接。

通過線性混合效應模型對數據進行分析，研究發現，在從正常行走過渡到FOG（trFOG）的時期，大腦網絡表現出與過渡到自主停止（trVS）時期顯著不同的特征。

最為突出的發現是，在FOG發作前的過渡期，大腦在beta頻段內的模塊性顯著增高。這種增高主要發生在幾個特定的右側半球網絡內：

這些網絡分別與認知控制、視覺空間處理、顯著性檢測等功能密切相關。beta波段模塊性的增高意味著在這些網絡內部，神經元活動的同步性增強，但與此同時，這些網絡與大腦其他部分之間的功能連接相對減弱，即大腦的功能狀態變得更加“分離”和“固化”。特別值得注意的是島葉網絡，它在大腦網絡切換和注意力導向中起關鍵作用，其在trFOG期間的過度“隔離”可能破壞了大腦在內部狀態與外部需求之間進行靈活轉換的能力。

除了網絡內部的改變，研究還發現，在trFOG期間，不同大腦網絡之間的連接也出現了問題。具體表現為，在寬帶、alpha和theta等多個頻段，左側中額葉與左側頂葉-枕葉網絡之間，以及左側額葉-頂葉與右側中額葉網絡之間的功能連接顯著降低。這些涉及額葉和后部（如頂葉、枕葉）腦區之間的連接減弱，可能反映了在FOG發作前，負責執行控制（額葉）和感覺運動整合/視覺信息處理（后部腦區）的腦網絡之間的通信出現了障礙。相比之下，在準備進行自主停止時，大腦則能更好地協調這些網絡。

有趣的是，研究并未發現反映大腦網絡全局功能整合的指標（如參與系數和全局效率）在trFOG和trVS之間存在顯著差異。這表明，雖然局部網絡變得更為“分離”，但大腦并未能通過增強遠距離腦區之間的交流來進行“代償”。這種只有“分離”沒有“整合”增強的模式，可能預示著一種適應不良的腦狀態，最終導致了運動的凍結。

beta振蕩通常與維持當前的認知或運動狀態有關，過度的beta同步性會阻礙為適應環境變化所需的網絡靈活重組。本研究發現trFOG期間beta波段模塊性的異常增高，與先前在皮質和皮質下（如丘腦底核）記錄到的FOG相關beta活動增強的研究一致。這可能代表了一種病理性的網絡“僵化”狀態，使得大腦在需要靈活調整步態的關鍵時刻“卡住”了。

這種異常的beta網絡分離性可能與PD中并存的神經遞質系統功能障礙有關。一方面，膽堿能系統功能紊亂已被證實與FOG發生相關，動物模型顯示膽堿能損耗會增加皮層同步性。另一方面，去甲腎上腺素能系統（藍斑核）在調節網絡靈活性和警覺性中也扮演重要角色，其功能受損同樣可能導致網絡過度分離和重配置能力下降。因此，trFOG期間觀察到的網絡特征，可能是多系統神經調制功能缺陷共同作用的結果。

在健康個體和PD早期，行走通常是自動化的。隨著疾病進展，尤其是有FOG傾向的患者，步行會越來越多地依賴額葉等腦區的“自上而下”的認知控制，這是一種代償機制。本研究發現，在即將發生FOG時，這種代償機制似乎崩潰了：額葉與后部感覺/視覺處理腦區之間的連接減弱，表明“自上而下”的控制指令無法有效整合感覺反饋以調整運動輸出，從而導致運動計劃的執行失敗。

本研究首次利用aEEG網絡分析方法，揭示了PD患者FOG發作前約2秒時間內獨特的腦網絡改變特征：即beta頻段局部網絡模塊性增高（功能分離性增強）和額葉-后部網絡間連接減弱（功能整合不足）。這些特征構成了FOG的“前驅神經簽名”。

這一發現具有重要的潛在臨床價值。未來，通過實時解碼這些特征性的腦電模式，有可能開發出FOG的預測預警系統。更進一步，將此類神經反饋與深部腦刺激、脊髓刺激或外部感覺提示（如激光、聲音線索）等干預手段相結合，實現閉環的、自適應的神經調控治療，有望在患者感覺要“凍住”但尚未發生之前就進行干預，從而預防跌倒，改善患者的生活質量。當然，該研究結果仍需在更大樣本、包含健康對照和PD無FOG患者的隊列中得到驗證，并且未來的研究需要探索更抗干擾的連接指標和更動態的分析方法，以推動這一領域向臨床應用邁進。