科學家解密控制癱瘓肢體的腦活動

科學家發明了一種可以分析四肢癱瘓患者大腦活動的深度學習算法。該算法已被用于向患者的前臂肌肉傳遞電刺激，從而恢復肢體的運動功能。

慢性癱瘓患者的生活質量可通過腦機接口加以改善。腦機接口可將控制運動的中樞神經系統回路和輔助設備（例如計算機光標或機器人設備）連接起來。近來，腦機接口已被用于繞過脊髓損傷，直接通過肌肉刺激恢復癱瘓肢體的功能。雖然這種方法前景可觀，但要實際應用仍面臨一定障礙，比如需要準確快速地響應，能夠提供多種功能以及根據需要進行有效的日常重新校準。

美國俄亥俄州巴特爾紀念研究所的Michael Schwemmer及同事用兩年時間收集了四肢癱瘓患者執行“想象的”手臂和手部運動時的皮質腦活動記錄。他們向患者運動皮層植入微電極陣列，通過侵入方式長期收集患者大腦活動信息。這些微電極以高時空分辨率直接采樣神經元活動。根據這個大型數據集，他們使用深度學習方法開發了一種腦機接口解碼器，可以準確、快速而持久地運行，并且會學習新功能——基本不需要再訓練。研究人員在近日在線發表于《自然—醫學》的報告中表示，該解碼器可用于控制電刺激設備，實時恢復患者癱瘓的前臂活動。

他們指出，雖然示例患者可以使解碼器抓取和操縱物體，但這種方法是否適用于其他患者，是否支持更長久的實際應用，還有待進一步的驗證。他們表示，未來的研究應該調查是否可通過實際應用中產生的訓練數據而非在受控的實驗室條件下獲得的訓練數據生成類似功能的解碼器。