本文轉自雷鋒網，如需轉載請至雷鋒網官網申請授權。

「腦機接口」的腦洞，還能怎樣大開？

前段時間，科技狂人 Elon Musk 現場展示了 Neuralink 最新進展，和他的三只小豬一起沖上熱搜。有人說這才是前沿科技，大呼一個全新時代要開始了；也有人說這便是霍金所說的外星人，馬斯克也只是高配版賈躍亭罷了。

其實，在此起彼伏的褒貶聲中，小朋友們有很多問號，比如：

植入了以后如何充電？數據中斷怎么辦？

再比如：

更新換代或者損壞維修的時候又得取出來嗎？

可以看出，不少人將關注點放在腦機接口產品與大腦之間的關系是否穩(wěn)定這一問題上，而這也是該領域研究人員一直以來想要做出的突破。

就在最近，一組美國加州大學舊金山分校（UCSF）威爾神經科學研究所的科學家經研究證明，癱瘓患者通過大腦活動控制電腦光標的過程可以通過機器學習做到，無需大量的再訓練。

UCSF 對此的描述是：

首個在癱瘓患者身上展示的“即插即用”腦機接口。

看來，腦機接口真能“即插即用”了。

腦機接口“即插即用”

這項研究于 2020 年 9 月 7 日發(fā)表于知名學術期刊 Nature Biotechnology，題為 Plug-and-play control of a brain–computer interface through neural map stabilization（基于神經地圖的穩(wěn)定腦機接口即插即用控制）。

借助腦機接口恢復癱瘓患者運動能力、還原神經性疾病患者語音能力的報道已經屢見不鮮了，但阻礙腦機接口實際應用的一大局限便是可靠性。

想象一下，一款產品每天都要重新設置和校準，還不能進入大腦的自然學習過程，就像一個人一生中每次騎自行車都要從頭學起。

為此，研究團隊的目標很明確：開發(fā)出一種無需重新校準而保持產品性能穩(wěn)定的腦機接口技術。

長期植入 ECoG 電極陣列

上圖展示的是一個 ECoG 電極陣列，ECoG 全稱是 electrocorticogram，指「皮層腦電圖」，即顱內的腦電圖掃描。這是一種侵入的方式，植入電極、將電極直接置于大腦的暴露表面，從而記錄大腦皮層的電信號，不論是手術環(huán)境還是術外環(huán)境均可使用。

一個 ECoG 陣列包括一塊電極，大小就像是一張便利貼，手術中它可以放置在患者大腦表面。

ECoG 電極陣列能夠長期、穩(wěn)定地記錄神經活動，并已被批準用于癲癇患者的疾病發(fā)作監(jiān)測。

據 UCSF 官方介紹，此前腦機接口技術使用的是一種「針式電極陣列」，這種陣列可以穿透腦組織、獲得更敏感的記錄。但其缺點就在于：

• 隨著時間推移，信號往往會轉移或丟失。
• 電極穿透腦組織時，免疫系統會進行排異。

可以說，ECoG 陣列雖然比傳統植入物的敏感度低，但其長期穩(wěn)定性似乎彌補了這一缺陷。

研究中，團隊向癱瘓患者大腦長期引入了 128 慢性皮層腦電圖（ECoG）植入物，從而穩(wěn)定監(jiān)測信號。

據悉，研究團隊在此之前已經獲得了在癱瘓患者腦中長期植入 ECoG 陣列的調查性器械批準，這一做法也是在測試 ECoG 陣列作為長期、穩(wěn)定的腦機接口植入物是否安全有效。

基于已植入的 ECoG 陣列，研究人員嘗試讓癱瘓患者控制假肢和自己的手，結果是：患者可以借助植入物來控制屏幕上的光標。

大腦和機器學習系統“成為伙伴”

此外，團隊開發(fā)了一種腦機接口算法，利用機器學習將 ECoG 電極記錄的大腦活動與用戶預期的光標移動相匹配。

最初，研究人員每天遵循重置算法的標準做法，同時患者看著屏幕上移動的光標，想象脖子和手腕會做出的動作。慢慢地，計算機算法會自我更新，光標運動與由此產生的大腦活動相匹配。值得一提的是，大腦信號和機器學習增強算法之間持續(xù)相互作用，性能在較長的一段時間內都并未降低。

[[341361]]

據 UCSF 介紹，在沒有再訓練的 44 天里，腦機接口的性能沒有下降，患者甚至是連續(xù)幾天不練習也保持住著此前的表現。

這背后的原理則是，長期閉環(huán)解碼器能實現自適應，其中解碼器權重可在多天內跨多個會話進行，因此實現了神經地圖的合并和所謂的“即插即用”（原文是 plug-and-play）。不僅如此，控制特性（指長期維度堆疊）還會有所增加。

隨著時間的推移，患者大腦能夠放大神經活動模式，從而有效地推動人工接口通過 ECoG 陣列消除效率低的信號，而這一過程正如大腦學習復雜任務的過程那樣。

不難看出，研究團隊通過穩(wěn)定的信號監(jiān)測，讓大腦和機器學習系統隨著時間的推移建立了穩(wěn)定的“伙伴關系”。

因此，研究團隊表示：

設計出一種不會被束縛手腳的技術，切實改善癱瘓患者的日常生活，是我們一直以來希望看到的。實驗數據表明，基于 ECoG 的腦機接口可能正是這種技術的基礎。通過利用 ECoG 接口的穩(wěn)定性和神經可塑性，我們?yōu)榭煽?、穩(wěn)定的腦機接口控制貢獻了一條思路。讓人工學習系統適應大腦復雜的長期學習模式，是以前從未在癱瘓患者身上嘗試過的。

就未來的研究方向而言，論文作者之一、威爾神經科學研究所神經病學副教授 Karunesh Ganguly 博士表示：

我們下一階段研究的關鍵目標是探索 ECoG 陣列對于更復雜的機器人系統（包括假肢）的長期控制。

關于作者

上文提到，這項研究來自于美國加州大學舊金山分校威爾神經科學研究所。

在威爾神經科學研究所官網首頁，有一句顯眼的標語：

努力解決與人腦相關的問題，減少神經和精神疾病的痛苦。

該研究所設有：

• 神經病學、精神病學和神經外科三大部門，同時關注病人護理和相關研究。
• 一個神經系統科學研究生項目，這一項目是一個由 UCSF 17 個基礎科學和臨床部門近 100 名教員組成的跨學科聯盟。
• UCSF 神經退行性疾病研究所，這是一個多學科研究中心，致力于尋找有效治療阿爾茨海默氏病、額顳癡呆、帕金森氏病等神經退行性疾病的方法。

其中，威爾神經科學研究所神經病學副教授 Karunesh Ganguly 博士也參與了這項研究。

Karunesh Ganguly 博士曾獲斯坦福大學化學學士學位、加州大學圣地亞哥分校醫(yī)學博士學位（神經科學），并榮獲科學家和工程師總統早期職業(yè)獎（PECASE）。