腦機(jī)接口與運(yùn)動(dòng)假體

王天威 崔翯

人類的想象力總是超前于現(xiàn)實(shí)，如同儒勒·凡爾納在其作品中對(duì)20世紀(jì)科技的預(yù)言一樣，現(xiàn)今的科幻文學(xué)與影視作品對(duì)人類意識(shí)實(shí)現(xiàn)機(jī)械飛升早已展開了多重討論，然而在現(xiàn)實(shí)中，這一技術(shù)的開發(fā)仍然主要是面向解決人體運(yùn)動(dòng)殘障問題。根據(jù)中國殘疾人聯(lián)合會(huì)2020年的統(tǒng)計(jì)數(shù)據(jù)，我國目前有近4000萬殘疾人，其中肢體殘疾的占一半以上。如此龐大的殘疾人基數(shù)，加之愈漸嚴(yán)重的社會(huì)老齡化問題，神經(jīng)假肢以及相關(guān)輔具在運(yùn)動(dòng)康復(fù)方面的應(yīng)用將具有極大的社會(huì)意義和商業(yè)價(jià)值。

所謂神經(jīng)假肢，是指通過采集、解碼神經(jīng)信號(hào)驅(qū)動(dòng)外部效應(yīng)器實(shí)現(xiàn)運(yùn)動(dòng)障礙補(bǔ)償?shù)囊环N技術(shù)，是腦機(jī)接口技術(shù)的主要應(yīng)用領(lǐng)域之一。神經(jīng)假肢控制系統(tǒng)通常分為三個(gè)部分：信號(hào)采集、信號(hào)處理和外設(shè)控制。現(xiàn)在通行的方法是通過核磁定位確定植入的腦區(qū)位點(diǎn)，再進(jìn)行開顱手術(shù)植入電極，采集皮層的場電位或神經(jīng)脈沖信號(hào)，這些電信號(hào)經(jīng)過濾波、降噪、分揀等預(yù)處理后，經(jīng)由傳統(tǒng)回歸、分類算法或神經(jīng)網(wǎng)絡(luò)解碼得到被試者的運(yùn)動(dòng)意圖信息，進(jìn)而產(chǎn)生運(yùn)動(dòng)指令來驅(qū)動(dòng)外部設(shè)備。

在神經(jīng)科學(xué)研究、信號(hào)采集硬件及算法迭代快速的背景下，運(yùn)動(dòng)假體的發(fā)展在當(dāng)下即將揭開新的篇章，充分利用神經(jīng)科學(xué)對(duì)腦功能研究的成果，尋找恰當(dāng)?shù)男盘?hào)來源與應(yīng)用場景，在解碼與適配中結(jié)合人工智能算法，以實(shí)現(xiàn)更加準(zhǔn)確、自主、柔順的外設(shè)控制都將是下一步的發(fā)展目標(biāo)。

目前神經(jīng)科學(xué)主流的觀點(diǎn)認(rèn)為大腦中不同功能分區(qū)行使各異的功能，它們所編碼的信息具有差異。近幾十年來在清醒獼猴上的神經(jīng)生理學(xué)研究，基本是以假設(shè)皮層神經(jīng)活動(dòng)與肢體運(yùn)動(dòng)參數(shù)（方向、速度、加速度、張力等）存在相應(yīng)的映射關(guān)系，來構(gòu)建表征模型，認(rèn)為大腦是通過對(duì)運(yùn)動(dòng)信息的表征和符號(hào)化運(yùn)算來行使功能的。這種表征以神經(jīng)調(diào)諧的形式反映在單神經(jīng)元上，即單個(gè)神經(jīng)元發(fā)放的電信號(hào)與某變量存在相關(guān)性關(guān)系。支持這類觀點(diǎn)的代表性成果是喬治波洛斯（A. P. Georgopoulos）等人于1982年發(fā)表的，他們訓(xùn)練獼猴完成平面上8方向推桿的運(yùn)動(dòng)，同時(shí)采集運(yùn)動(dòng)皮層手臂運(yùn)動(dòng)代表區(qū)的神經(jīng)元活動(dòng)數(shù)據(jù)，發(fā)現(xiàn)當(dāng)推向不同方向時(shí)，獼猴的運(yùn)動(dòng)皮層神經(jīng)元?jiǎng)幼麟娢坏陌l(fā)放率會(huì)產(chǎn)生變化，而這種發(fā)放率差異與運(yùn)動(dòng)方向間的關(guān)系可以很好地被余弦曲線擬合，因此被稱為神經(jīng)元對(duì)運(yùn)動(dòng)方向的余弦調(diào)制[1]。在此基礎(chǔ)上，他們又在1986年提出了群體向量法，實(shí)現(xiàn)了對(duì)手動(dòng)方向的解碼。他們通過計(jì)算單個(gè)神經(jīng)元的方向調(diào)制函數(shù)，將發(fā)放率最高的方向定義為該神經(jīng)元的偏好方向，單個(gè)神經(jīng)元活動(dòng)即可表示為指向其偏好方向，長度等于其實(shí)時(shí)發(fā)放強(qiáng)度的向量。當(dāng)同時(shí)記錄多個(gè)神經(jīng)元時(shí)，這些向量之和得到的群體向量的方向與真實(shí)伸手運(yùn)動(dòng)的方向一致，從而實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)方向的解碼。這一發(fā)現(xiàn)對(duì)神經(jīng)運(yùn)動(dòng)控制與后續(xù)腦機(jī)接口研究具有奠基性意義，它不僅提出了作為原型解碼算法的群體向量法，更引領(lǐng)后續(xù)研究將重心從經(jīng)典皮質(zhì)—脊髓—肌肉投射所代表的內(nèi)部參數(shù)空間，轉(zhuǎn)向關(guān)注運(yùn)動(dòng)效應(yīng)器所代表的外部參數(shù)編碼。

在神經(jīng)元對(duì)各類運(yùn)動(dòng)參數(shù)的表征調(diào)制的研究工作發(fā)表之后，腦機(jī)接口技術(shù)經(jīng)歷了一段快速發(fā)展的時(shí)期。盡管表征模型遠(yuǎn)非完美，但是所積累的實(shí)驗(yàn)結(jié)果顯示這種編碼關(guān)系具有可靠的相關(guān)性，其中群體向量算法不僅為運(yùn)動(dòng)皮層神經(jīng)元如何以群體活動(dòng)為運(yùn)動(dòng)方向編碼提供了創(chuàng)新的思路，也為研發(fā)多通道微電極同時(shí)記錄技術(shù)的需求提供了更充分的理由。技術(shù)上的進(jìn)展和對(duì)多維運(yùn)動(dòng)方向解碼編碼的運(yùn)算能力，使研究者可以從清醒獼猴實(shí)驗(yàn)基礎(chǔ)上過渡到臨床患者試驗(yàn)的階段，從而完成了關(guān)鍵的概念驗(yàn)證性工作。

經(jīng)典的假肢控制流程可以先由神經(jīng)調(diào)制解碼得到運(yùn)動(dòng)的方向與速度，這種解碼指令以每百毫秒的速度進(jìn)行迭代，持續(xù)地輸出控制指令，以驅(qū)動(dòng)屏幕上的光標(biāo)。但由于光標(biāo)控制具有維度低、無慣性、視覺反饋清晰的特點(diǎn)而使其便于實(shí)現(xiàn)。而真實(shí)三維場景下的機(jī)械控制則要困難許多，美國匹茲堡大學(xué)施瓦茨（A. B. Schwartz）實(shí)驗(yàn)室在2012年實(shí)現(xiàn)了7自由度的機(jī)械臂控制[2]。他們采用來自約翰·霍普金斯大學(xué)應(yīng)用物理實(shí)驗(yàn)室研發(fā)的擬人化假肢（MPL），幫助一名完全運(yùn)動(dòng)性損傷的52歲患脊髓小腦變性的患者實(shí)現(xiàn)了神經(jīng)假肢控制。通過在患者運(yùn)動(dòng)皮層植入兩枚猶他陣列，將來自皮層的信號(hào)以30毫秒時(shí)間窗重采樣后，遵循如下方程完成解碼器的訓(xùn)練與解碼：f=b0+bxvx+byvy+bzvz+bθxvθx+bθyvθy+bθzvθz+bgvg

在方程所示的三維抓取控制中，神經(jīng)活動(dòng)f不僅包含三維空間速度vx、vy、vz，還包含效應(yīng)器姿態(tài)朝向vθx、vθy、vθz和抓握指令vg等信息。在腦機(jī)接口的控制環(huán)節(jié)，解碼器的作用是將輸入的神經(jīng)信號(hào)轉(zhuǎn)換為控制信號(hào)輸出。輸出信號(hào)通常為多個(gè)獨(dú)立變量，關(guān)系到后續(xù)外設(shè)的運(yùn)動(dòng)規(guī)劃。解碼器的訓(xùn)練則依賴于少量訓(xùn)練集數(shù)據(jù)和多種算法，常見算法有維納濾波器、卡爾曼濾波器、支持向量機(jī)、極限梯度提升（extreme gradient boosting）、循環(huán)神經(jīng)網(wǎng)絡(luò)、重校準(zhǔn)卡爾曼濾波器（ReFIT-KF）、樸素貝葉斯、門控循環(huán)單元、長短記憶網(wǎng)絡(luò)等[3]。

在實(shí)現(xiàn)腦控的過程中，不僅需要搭建復(fù)雜的解碼器，腦控系統(tǒng)的學(xué)習(xí)訓(xùn)練往往更困難。上文所述的任務(wù)訓(xùn)練中，被試系統(tǒng)經(jīng)歷了3D空間平移、4D平移與抓握、7D平移與姿態(tài)和抓握控制三個(gè)學(xué)習(xí)階段，共計(jì)13周。使用神經(jīng)信號(hào)控制實(shí)體機(jī)械臂的難度絕非光標(biāo)控制可比，被試者還需要適應(yīng)外設(shè)的運(yùn)動(dòng)學(xué)特性以產(chǎn)生相應(yīng)的神經(jīng)動(dòng)態(tài)變化，但本體感覺（運(yùn)動(dòng)器官本身在不同狀態(tài)時(shí)產(chǎn)生的感覺）反饋的缺失使得這一過程變得尤為困難。除此之外，由于電極的漂移，隔天的神經(jīng)信號(hào)可能會(huì)發(fā)生變化，這意味著前一天的解碼器在后一天需要重新校準(zhǔn)。在解碼器訓(xùn)練與校準(zhǔn)的過程中，需要添加一些輔助權(quán)重，以確保被試系統(tǒng)的控制表現(xiàn)維持在60%～80%的正確率。在無輔助的腦機(jī)接口控制學(xué)習(xí)過程中，運(yùn)動(dòng)和記錄到的神經(jīng)活動(dòng)將表現(xiàn)出很大的試次間變異性，即神經(jīng)活動(dòng)在相似行為間表現(xiàn)出的非線性差異，這是由于任務(wù)無關(guān)方差產(chǎn)生的不穩(wěn)定控制。訓(xùn)練腦控的過程就是為了降低任務(wù)無關(guān)方差，增強(qiáng)并固化任務(wù)相關(guān)方差，實(shí)現(xiàn)穩(wěn)定可靠的神經(jīng)控制[4]，在系統(tǒng)學(xué)習(xí)過程中增加控制輔助權(quán)重可以有監(jiān)督地加速這一過程。

在動(dòng)物模型中，越來越多的腦機(jī)接口正在生物體內(nèi)部搭建電子橋梁，這被稱為循環(huán)式腦機(jī)接口（recurrent BCI）[5]，指將神經(jīng)元的動(dòng)作電位轉(zhuǎn)換為傳遞到運(yùn)動(dòng)系統(tǒng)下游的刺激，從而使皮層信號(hào)直接激活肌肉、脊髓或其他腦區(qū)，它在橋接神經(jīng)連接截?cái)喾矫婢哂忻黠@的應(yīng)用潛力。這一策略旨在利用剩余神經(jīng)回路的內(nèi)在能力和它們的可塑性來恢復(fù)功能。它強(qiáng)調(diào)了神經(jīng)可塑性在腦機(jī)接口研究中的重要性。研究表明，從目標(biāo)位置到關(guān)節(jié)運(yùn)動(dòng)、扭矩和肌肉激活模式，運(yùn)動(dòng)皮層的活動(dòng)與多種運(yùn)動(dòng)參數(shù)相關(guān)，而這種相關(guān)性又會(huì)表現(xiàn)出非線性的相互作用與時(shí)程的不穩(wěn)定性。這使得算法的構(gòu)建變得困難且缺乏實(shí)用性。究其原因，部分源于研究者主要關(guān)注皮層的編碼性質(zhì)，而缺少對(duì)下行通路到肌肉的解碼過程的研究。肌肉功能性電刺激仍然是目前少數(shù)經(jīng)臨床證明有效的假肢治療方法之一，它可以幫助患者實(shí)現(xiàn)基本的抓握、站立、膀胱控制和運(yùn)動(dòng)康復(fù)[6]。與常見的腦機(jī)接口控制不同，這種方法并非使用算法解碼神經(jīng)信號(hào)，而是利用現(xiàn)有生物體自身的下行信號(hào)讀出系統(tǒng)，依賴神經(jīng)可塑性實(shí)現(xiàn)信號(hào)通路的重建，同時(shí)在控制過程中可以獲得本體感覺的上行反饋，大腦脊髓肌肉的協(xié)同響應(yīng)對(duì)神經(jīng)康復(fù)產(chǎn)生了有益的影響。

神經(jīng)的異質(zhì)性表現(xiàn)為混合編碼的非線性與偏好的時(shí)變性，這使得基于表征理念構(gòu)建的解碼系統(tǒng)難以完成復(fù)雜環(huán)境下的動(dòng)態(tài)任務(wù)[7]。隨著大規(guī)模神經(jīng)信號(hào)采集技術(shù)的成熟，謝諾伊（K. V. Shenoy）實(shí)驗(yàn)室提出并發(fā)展了運(yùn)動(dòng)皮層的動(dòng)態(tài)系統(tǒng)觀點(diǎn)[8]，從而改變了研究者看待皮層神經(jīng)控制的視角，從關(guān)注信息編碼轉(zhuǎn)向關(guān)注振蕩信號(hào)的時(shí)間演化性質(zhì)。該觀點(diǎn)認(rèn)為，皮層信號(hào)在運(yùn)動(dòng)的準(zhǔn)備期與執(zhí)行期處于相互的正交空間，具有不同的功能；神經(jīng)群體活動(dòng)的振蕩可能是在產(chǎn)生時(shí)序復(fù)雜的肌肉響應(yīng)時(shí)自發(fā)產(chǎn)生的，單神經(jīng)元的運(yùn)動(dòng)學(xué)參數(shù)選擇性可能只是這一過程的副產(chǎn)品；時(shí)間信息才是神經(jīng)編碼的最大成分。在此基礎(chǔ)上，謝諾伊實(shí)驗(yàn)室2021年又發(fā)表了最新的打字腦機(jī)接口工作[9]，實(shí)現(xiàn)了每分鐘輸入90個(gè)字母、正確率達(dá)到94%。其核心亮點(diǎn)在于突破了傳統(tǒng)的范式設(shè)計(jì)，構(gòu)建了一套完全遵循動(dòng)態(tài)系統(tǒng)觀點(diǎn)的解碼系統(tǒng)。經(jīng)典的打字場景是被試者通過神經(jīng)信號(hào)控制光標(biāo)移動(dòng)并點(diǎn)擊虛擬鍵盤完成輸入，但是運(yùn)動(dòng)的不穩(wěn)定性，光標(biāo)移動(dòng)距離等因素都非常耗時(shí)。謝諾伊等人則要求被試者想象書寫要輸入的字母，這時(shí)運(yùn)動(dòng)皮層會(huì)產(chǎn)生相應(yīng)的振蕩信號(hào)。由于不同字母的書寫軌跡差異明顯，如筆順、筆畫、彎折的數(shù)量與其消耗的時(shí)間，而運(yùn)動(dòng)皮層又主要編碼時(shí)間信息，這就使得書寫運(yùn)動(dòng)想象的神經(jīng)信號(hào)非常易于解碼。該工作為實(shí)現(xiàn)書寫信號(hào)的抓取，采用隱馬爾可夫模型（一種統(tǒng)計(jì)模型，可用來描述一個(gè)含有隱含未知參數(shù)的馬爾可夫過程）和時(shí)間扭曲算法（time warp，可用于將具不同時(shí)間長度的試次中記錄到的神經(jīng)信號(hào)變換為具相同時(shí)間長度的數(shù)據(jù)，以實(shí)現(xiàn)時(shí)間對(duì)齊），分別進(jìn)行起始狀態(tài)估計(jì)和時(shí)間壓縮對(duì)齊，它們是在解碼器方面的重要?jiǎng)?chuàng)新。

腦機(jī)接口訓(xùn)練過程中的神經(jīng)學(xué)習(xí)，同樣是影響假肢控制的關(guān)鍵問題。有關(guān)腦控過程中神經(jīng)群體的學(xué)習(xí)研究發(fā)現(xiàn)，神經(jīng)元可以改變其調(diào)諧特性，這種改變通常是神經(jīng)群體協(xié)同的，且不同腦區(qū)的學(xué)習(xí)能力有差異。正如控制信號(hào)的修正依賴于反饋信號(hào)，如今的腦機(jī)接口控制過度依賴視覺反饋而缺少本體感覺反饋。由于被試者常常是高位截癱患者，神經(jīng)信號(hào)解碼為控制指令引導(dǎo)效應(yīng)器運(yùn)動(dòng)，但控制過程中被試者只能通過視覺觀察運(yùn)動(dòng)結(jié)果獲得反饋。這種控制系統(tǒng)中的信息是單向流通的，控制指令與預(yù)期結(jié)果無法及時(shí)反饋給大腦皮層，大腦內(nèi)也就難以形成關(guān)于外部設(shè)備運(yùn)動(dòng)的前向控制模型。因此，雙向閉環(huán)腦機(jī)接口成為近年的研究重點(diǎn)。該技術(shù)的目的是在腦控的同時(shí)，通過電刺激向大腦的本體感覺皮層寫入觸覺和本體感覺信息，使被試者不僅可控制機(jī)械臂完成抓取運(yùn)動(dòng)，還可以感知到抓握的力度和物體的紋理、質(zhì)量等信息。研究發(fā)現(xiàn)，通過這種方法將觸覺感受寫入皮層后，可以極大提升被試控制機(jī)械臂的表現(xiàn)[10]。

盡管腦機(jī)接口技術(shù)發(fā)展已有半個(gè)世紀(jì)，但運(yùn)動(dòng)神經(jīng)假肢的研究仍處于起步階段，目前的成果得益于以清醒獼猴為模式動(dòng)物的系統(tǒng)神經(jīng)科學(xué)領(lǐng)域的長期積累。幾十年來神經(jīng)科學(xué)家與醫(yī)學(xué)工程學(xué)者在基礎(chǔ)研究和轉(zhuǎn)化方面的合作創(chuàng)新，使神經(jīng)假肢技術(shù)從實(shí)驗(yàn)室走進(jìn)公眾視野。但由于缺乏對(duì)運(yùn)動(dòng)控制神經(jīng)機(jī)制的根本性認(rèn)識(shí)，建立在表征模型基礎(chǔ)上的神經(jīng)解碼策略只能從概念上加以簡化，迭代指令解碼的運(yùn)動(dòng)輸出也不可避免地出現(xiàn)遲滯頓挫，從而使人工假肢的實(shí)用功能受到限制。

通過腦機(jī)接口技術(shù)實(shí)現(xiàn)對(duì)運(yùn)動(dòng)假體快速、靈活、柔順的控制，無疑是一個(gè)復(fù)雜而漸進(jìn)的過程，在此過程中基礎(chǔ)研究和工程應(yīng)用的界限，將不再?zèng)芪挤置鞫窍嗷ト诤希@需要長期的人力投入與學(xué)科協(xié)作，更需要自愿受試的冒險(xiǎn)家和社會(huì)的持續(xù)關(guān)注。不論是腦科學(xué)的研究，抑或腦機(jī)接口技術(shù)臨床應(yīng)用的研究，靈長類神經(jīng)生理學(xué)的實(shí)驗(yàn)方法和手段仍將是今后必不可少的研究利器。同時(shí)，殘障病患者的腦機(jī)接口臨床經(jīng)驗(yàn)，是探索人腦認(rèn)知和運(yùn)動(dòng)學(xué)習(xí)等基礎(chǔ)課題的寶貴財(cái)富。從某種意義上看，人體的神經(jīng)運(yùn)動(dòng)控制是一種通過千百萬年進(jìn)化形成的“腦機(jī)接口系統(tǒng)”，腦機(jī)接口試圖搭建的復(fù)雜系統(tǒng)是人類的第二軀體，這意味著人類對(duì)自身的認(rèn)識(shí)也將伴隨著對(duì)自身的再創(chuàng)造。

[1]Georgopoulos A P， Kalaska J F， Caminiti R， et al. On the relations between the direction of two-dimensional arm movements and cell discharge in primate motor cortex. J Neurosci， 1982， 2（11）： 1527–1537.

[2]Collinger J L， Wodlinger B， Schwartz A B. 7 Degree-of-freedom neuroprosthetic control by an individual with tetraplegia. The Lancet， 2012， 381： 557–564.

[3]Glaser J I， Chowdhury R H， Perich M G， et al. Machine learning for neural decoding. arXiv， 2017.

[4]Athalye V R， Ganguly K， Costa R M， et al. Emergence of coordinated neural dynamics underlies neuroprosthetic learning and skillful article emergence of coordinated neural dynamics underlies neuroprosthetic learning and skillful control. Neuron， 2017， 93： 955-970.

[5]Fetz E E. Volitional control of neural activity： implications for brain-computer interfaces. J Physiol， 2007， 579： 571–579.

[6]Peckham P H，Kilgore K L. Challenges and opportunities in restoring function after paralysis. IEEE Trans Biomed Eng， 2013， 60： 602–609.

[7]Wang T. From parametric representation to dynamical system ： shifting views of the motor cortex in motor control. Neurosci Bull， 2022. doi：10.1007/s12264-022-00832-x.

[8]Vyas S， Golub M D， Sussillo D， et al. Computation through neural population dynamics. Ann Rev Neurosci， 2020： 249–275.

[9]Willett F R， Avansino D T， Hochberg L R， et al. High-performance brain-to-text communication via handwriting. Nature， 2021， 593（7858）： 249-254.

[10]Flesher S N， Downery J E， Weiss J M， et al. A brain-computer interface that evokes tactile sensations improves robotic arm control. Science， 2021， 372（6544）： 831-836.

關(guān)鍵詞：神經(jīng)表征 動(dòng)態(tài)系統(tǒng) 運(yùn)動(dòng)控制 運(yùn)動(dòng)學(xué)習(xí) ■