脑机接口新进展：深度学习算法“解密”控制瘫痪肢体的脑活动

本报北京9月25日电(记者张)英国《自然医学》杂志25日在网上发表的一项研究报告称，一种深度学习算法可以分析四肢瘫患者的大脑活动。该算法已被用于向患者的前臂肌肉提供电刺激，从而恢复先前瘫痪的肢体的功能运动。

慢性瘫痪患者的生活质量可以通过脑-机接口得到改善。脑-机接口可以将控制运动的中枢神经系统电路与辅助设备(如电脑光标或机器人设备)连接起来。最近，BCI已被用来绕过脊髓损伤，通过直接肌肉刺激恢复瘫痪肢体的功能。尽管这种方法有很好的应用前景，但在实际应用中仍面临一些障碍，如需要准确快速的响应、提供多种功能的能力以及根据需要进行有效的日常校准。

美国巴特尔纪念研究所的科学家收集了四肢瘫痪患者大脑皮层活动记录，这些患者在两年时间里进行了“想象的”手臂和手的运动。他们将微电极阵列植入患者的运动皮层，并通过侵入性方法长期收集大脑活动信息。这些微电极以高时空分辨率直接采样神经元活动。根据这个大数据集，他们开发了一个使用深度学习方法的脑-机接口解码器，它可以准确、快速和持久地运行，并且可以学习新的功能——基本上不需要再培训。研究人员已经表明，解码器可以用来控制电刺激设备，以恢复瘫痪的病人前臂的运动实时。

该团队指出，尽管样本患者可以使用解码器来抓取和操作对象，但这种方法是否适合其他患者以及是否支持长期实际应用仍需进一步验证。他们的结论是，未来的研究应该调查是否可以从实际应用中产生的训练数据而不是在受控实验室条件下获得的训练数据中产生具有类似功能的解码器。