脑机接口新突破：瘫痪患者成功用大脑控制电脑光标马斯克看了要泪目

时间：2020-09-10 09:49:37来源：前瞻网

前段时间，马斯克高调宣传许久的Neuralink脑机接口设备终于亮相，尽管神经科学家质疑不过是记录脑电波，并无实质性重大突破，但依旧不妨碍热情粉丝的狂欢，畅想未来记忆上传实现永生。

近日，加州大学旧金山威尔神经科学研究所的研究人员在用大脑控制假肢方面取得重大进展。研究人员证明，机器学习技术帮助瘫痪患者学习用大脑来控制电脑光标，而无需大量的日常训练，这是过去所有脑机接口(BCI)工作中的一个必备条件。

2020年9月7日发表在《自然生物技术》上的新论文中，Ganguly团队记录了在四肢瘫痪的个体中使用ECoG电极阵列的情况。参与者还参与了一项临床试验，旨在测试使用ECoG阵列来让瘫痪患者控制假肢手臂和手，但在这篇新论文中，参与者还能用植入物来控制屏幕上的电脑光标。

为了达到目标，研究人员开发了一种脑机接口算法，利用机器学习将ECoG电极记录的大脑活动与用户所需的光标移动相匹配。最初，研究人员遵循每天重置算法的标准做法。参与者首先想象特定的脖子和手腕动作，同时看着光标在屏幕上移动。渐渐地，计算机算法会自我更新，使光标的运动与由此产生的大脑活动相匹配，有效地将光标的控制权转交给用户。然而，每天都开始这个过程，就会给能达到的控制水平设置一个严格的限制。掌握设备的控制可能需要几个小时，有时参与者甚至不得不完全放弃。

接着，研究人员切换到允许算法继续更新以匹配参与者的大脑活动，而不用每天重新设置。他们发现，大脑信号和机器学习增强算法之间的持续相互作用，会在许多天内促使性能持续改善。最初，每天都需要重新校准，但很快参与者就能够立即达到顶级水平的表现。

“我们发现，我们可以通过确保算法的更新速度不超过大脑跟上的速度进一步提高学习——速率大约是每10秒一次。” UCSF健康中心和旧金山退伍军人医疗中心神经病学和康复服务中心的执业神经学家Ganguly说，“我们认为这是试图在大脑和计算机这两个学习系统之间建立伙伴关系，最终让人工界面成为用户的延伸，就像他们自己的手或手臂一样。”

研究人员说，随着时间的推移，参与者的大脑能够放大神经活动模式，从而通过ECoG阵列最有效地驱动人工界面，同时消除不太有效的信号——这一修剪过程很像大脑学习复杂任务的过程。他们观察到，参与者的大脑活动似乎形成了一种根深蒂固的、一致的大脑“模式”来控制BCI接口，这种情况在日常的重置和重新校准中从未发生过。经过几周的持续学习，当界面重新设置时，参与者迅速重新建立起控制设备的相同的神经活动模式——有效地将算法重新训练到原来的状态。

最终，一旦这种经验建立起来，研究人员表明，他们可以完全停止算法的自我更新，参与者可以简单地每天使用人工界面，而不需要再培训或重新校准。即使在没有再次训练的44天里，表现能力也没有下降，参与者甚至可以连续几天不练习，表现也几乎没有后退。通过一种BCI控制(移动光标)的稳定专业知识的建立，也允许研究人员开始“叠加”额外的学习技能——比如“点击”一个虚拟的按钮——而效果也不会大打折扣。

这种即时的“即插即用”BCI一直是该领域的目标，但一直达不到，因为大多数研究人员使用的“针形”电极倾向于随时间移动，改变每个电极所看到的信号。而且，由于这些电极穿透脑组织，免疫系统往往会排斥它们，逐渐削弱它们的信号。ECoG阵列比传统植入物的敏感度低，但其长期稳定性似乎弥补了这一缺陷。ECoG记录的稳定性对于更复杂的机器人系统(如假肢)的长期控制可能更为重要，这是Ganguly下一阶段研究的关键目标。

研究人员说：“我们一直注意到，我们需要设计出一种技术，它不会束手束脚，而是能够切实改善瘫痪患者的日常生活。”“这些数据表明，基于ECoG的BCI可能是这种技术的基础。”

ECoG是什么？

脑皮层电图(ECoG)是一种电生理监测方法，它将电极直接置于暴露的大脑表面，记录大脑皮层的电活动。脑机接口(BCI)作为一种新的交流和控制模式，于30年前开始发展，用于严重丧失交流能力或运动功能的患者。

在20世纪50年代早期，蒙特利尔神经学研究所的神经外科医生怀尔德·潘菲尔德和赫伯特·贾斯珀率先提出了ECoG。他们开发的ECoG是其开创性的蒙特利尔手术的一部分，用于治疗严重癫痫患者。

现代ECoG研究始于1998年的一项研究，在该研究中，位于感觉运动皮层上方的电极检测到与休息时相比，运动时的高频功率增加。ECoG电极置于大脑蛛网膜表面的内侧下，提供微电极和脑电图之间的中间信号(如下图)。目前，硬膜下ECoG电极阵列为BCI提供了高信噪比和局部皮质信号(通常，临床ECoG阵列由直径2.3 mm、间隔1 cm的电极组成)。

(从上往下依次为头皮、头骨、皮质)

目前，大多数关于驱动BCI的ECoG信号研究来自于医学上顽固性癫痫患者，这些患者在切除前进行临床ECoG定位癫痫病灶；植入电极后，在医院被监测约1周，同时等待再次发作。

一般来说，基于ECoG的BCI由以下组件组成：1)一种用于实时记录和数字化大脑信号的可植入电极阵列；2)用于数字化信号无线传输的皮下放大器和发射单元(与电极阵列连接的导线)；3)有蓝牙功能的信号处理计算机，用于实时分析信号并将其转换为计算机命令；4)一种由计算机控制的设备，接收这些指令并执行由病人控制的动作，包括但不限于用于交流或浏览网页的平板电脑、外骨骼、机械手臂或轮椅。如下图所示：

A:从植入的ECoG电极条获取信号。B:大脑信号被植入胸部的装置放大了。对原始电压进行基本信号处理以提取信号特征。特征值通过无线传输到外部接收器。C: 使用平板电脑，特征被映射到通信和导航应用程序的控制功能上。图片来源Kai J。 Miller。

当然，还有一些BCI系统的附加组件。目前针对电极也在不断改进，植入物也更标准化和更容易放置，推动基于ECoG的脑机接口领域向前发展。

ECoG与EEG有啥区别？

在提到记录大脑活动时，比起ECoG，脑电图(EEG)更让人熟悉。EEG可以揭示诸如癫痫等医疗问题的信息，跟踪睡眠模式，或者用来确定麻醉剂量的状态。从优势来看，脑电图具有很好的时间分辨率，当电信号从大脑发出时就能立即得到——尽管头骨大大模糊了时间的精确度(骨骼是一个不良导体)；完全无创且易于广泛使用；但缺点是空间分辨率有限，

而ECoG电极则通过手术植入微电极，穿透大脑皮层，测量单个神经元，但因为需要在在颅骨上进行手术切口具有侵入性。

想象大脑是一个热闹的球场，它的神经元是人群中的成员，我们想要的信息不是电活动，而是声带活动。在这种情况下，EEG就像放置在体育场外的一组麦克风，靠在体育场的外墙上。你能听到人群在欢呼，也许还能预测他们在欢呼什么。你可以听到在激烈的信号，也许这是一场势均力敌的比赛。你也可能知道什么时候发生了异常，但仅此而已！

两者之间的区别，打个比方来说，ECoG就像麦克风在体育场里面，离观众更近一些。因此，这种声音比EEG麦克风从体育场外接收到的声音要清晰得多，而ECoG麦克风可以更好地区分人群中各个部分的声音。但是这是有代价的——需要侵入性手术。

基于ECoG的脑机接口概念验证

目前脑机接口设备一般基于三个皮层区域中的一个信号：运动、视觉或语言。这些演示为许多其它大脑功能和脑机接口应用打开了无限可能，如皮质康复。

在对癫痫患者的研究中，想象的运动(意象)已经被证明可以诱发ECoG测量大脑主要运动区域的皮层活动变化，其水平约为实际运动本身所诱发的活动的25%。此外，当患者学会用图像以反馈的方式控制电脑屏幕上的光标时，由运动图像引起的皮层活动变化超过了实际运动。几个小组在研究中展示了最初的原理证明，计算机光标可以通过运动图像来控制，如下2个长期成功的基于ECoG的BCI示例所示：

2015年10月，在一项概念验证研究中，一种基于ECoG的脑机接口让患有LIS的肌萎缩性脊髓侧索硬化症( ALS )患者能够通过平板电脑上的输入程序独立交流。患者在植入电极28周后，以相当于每分钟2个字母的速度精确而独立地控制电脑打字程序，并持续使用了43个多月。也许现在看来速度不是很快，但患者表示对该系统“满意/非常满意”，并且该系统比眼球追踪设备适应性更好。

2017年，由Facebook现实实验室支持的一组科学家在加州大学描述了一个能够读取和解码研究受试者说话时大脑活动的系统。受试者为癫痫患者，在大脑表面放置一块电极，利用ECoG获得了丰富的信息。一套装有语音模型的机器学习算法学会了从数据中解码特定的语音，并区分问题和回答。不过，这个系统未达到Facebook实时解码速度的目标，即每分钟100个单词，词汇量为1000个，错误率不到17%。在9个问题的24个标准答案中，系统回答准确率为61%，而问题的准确率为75%。

2019年10月，一名28岁的四肢瘫痪患者通过基于ECoG的脑机接口能用大脑信号来控制四肢外骨骼。在手术两个月后，这名患者在使用外骨骼的六个疗程中有73%时间里很成功。通过使用化身、电子游戏和外骨骼的39次行走，总路程达到145米(480步)；手术5个月后，他能够用一只手触摸立方体上的目标(在三维空间中移动)；手术16个月后，发展到能用双手触摸立方体上的目标(在8个维度上移动，包括旋转两个手腕)。患者完成5个8维任务，成功率为71%。

此外，全世界25岁及25岁以上的人群中，有四分之一的人一生中面临中风风险，其中许多人将承受严重的功能缺陷，而植入以ECoG为基础的脑机接口装置或许能诱导损伤后大脑皮层组织的可塑性和积极重构。例如，一位19岁的癫痫患者在围产期半脑卒中后合并左侧偏瘫，在植入临床ECoG阵列后，展示了通过同时握紧右手来大大加强左手握力的能力。