Cell：脑机接口 + AI，让四肢瘫痪者用意念控制机械手臂

来源：生物世界 2025-03-14 10:17

结果表明，基于皮层脑电图（ECoG）的脑机接口既能追踪表征统计信息，又能实现长期复杂的神经假体（例如机械手臂）控制。

加州大学旧金山分校的研究人员在国际顶尖学术期刊Cell上发表了题为：Sampling representational plasticity of simple imagined movements across days enables long-term neuroprosthetic control的研究论文。

该研究通过一个植入大脑皮层表面的脑机接口（BCI），让四肢完全瘫痪者能够通过意念控制机械手臂，拿起、移动和放下物体。且该设备可在无需调整的情况下创纪录地工作 7 个月之久。该脑机接口依赖于一个人工智能（AI）模型，当使用者在大脑中想象着重复一个动作，该模型能够适应大脑中发生的微小变化，并学会以更精细的方式来做这件事。

在这项研究中，研究团队开发了基于中尺度皮层脑电图（ECoG）的闭环脑机接口（BCI）研究范式，以理解神经表征的稳定性和可塑性。

论文通讯作者、加州大学旧金山分校神经学教授Karunesh Ganguly指出，人类与人工智能的学习融合，将是脑机接口（BCI）发展的下一阶段。只有通过这种协同，才能实现复杂拟真功能。这项研究的关键在于，研究团队发现了受试者在反复想象特定动作时，其大脑神经活动的波动特征。当人工智能算法被编程时纳入这些波动因素后，系统即可实现长达数月的连续稳定运行。

研究团队通过动物实验发现：动物大脑活动模式对特定动作的表征特征会随着学习进程发生逐日演变。他因此推断人类神经系统中存在类似动态演变机制，而这正是脑机接口（BCI）快速丧失模式识别能力的根本原因 当大脑表征随学习持续优化时，基于初始静态模型构建的脑机接口系统将无法适应新的神经编码模式。

该研究招募了两名参与者，他们因双侧脑干中风而患有严重的四肢瘫痪，且无法发声。研究团队在他们的大脑皮层表面植入了微型传感器，当他们想象自己在移动时，植入的传感器能够捕捉大脑信号。

为了观察他们的大脑模式是否会随着时间的推移而改变，研究团队让参与者想象自己身体的不同部位（比如手、脚或头）在运动。虽然参与者实际上并不能移，但当他想象自己在做一个动作时，他的大脑仍然可以产生动作信号。而脑机接口通过连接他脑上皮层上的传感器记录下了大脑对这些运动的表现。

研究团队发现，虽然大脑中神经表征的形态结构保持稳定，但它们在大脑中的位置每天都有轻微偏移。

虽然神经表征的形态结构保持稳定，但其在大脑中的空间定位会逐日发生轻微偏移 这种系统性漂移如同脑区坐标系的自适应微调，既维持了核心信息编码的拓扑完整性，又为学习驱动的神经可塑性提供了动态优化空间。

接下来，研究团队要求参与者在两周的时间里想象自己用手指、手或拇指做出简单的动作，同时传感器记录他的大脑活动，以训练人工智能（AI）模型。然后，参与者试图控制一个机械手臂和手，但动作仍然不是很精确。所以，研究团队让参与者在一个虚拟的机器人手臂上练习，它会给他关于他的可视化的准确性的反馈。最终，参与者让虚拟手臂做了他想让它做的事情。

一旦参与者开始使用真正的机器人手臂练习，只需要几次练习，他们就可以将自己的学会的操纵技能应用到现实世界中。例如，可以让机械臂捡起积木，转动它们并把它们移到新的位置，甚至能打开柜子，拿出一个杯子，并把它拿到饮水机上。

在此之前，这种脑机接口设备只能工作一两天时间。而该研究开发的设备可以连续使用创纪录的 7 个月，而且，长期使用后的性能下降，可通过短暂的重新校准来解决，只需 15 分钟的调整后即可继续使用。

这些结果表明，基于皮层脑电图（ECoG）的脑机接口既能追踪表征信息，又能实现长期复杂的神经假体（例如机械手臂）控制。据悉，研究团队现在正在改进 AI 模型，从而让机械臂移动更快、更平稳，并计划在家庭环境中测试该脑机接口。对于瘫痪患者来说，能够自己进食或喝水将会改变他们的生活。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻