我们大多数可以自由自在地生活在蓝天下，可以随心所欲地散步、奔跑、跳跃，但对于瘫痪患者而言，他们的生活被局限在一个狭窄的轮椅上，轮椅所能到达的地方，便是他们生活的全部。

据统计，全世界有超过7500万人出行需借助轮椅，尤其是对于那些因神经肌肉或脊髓损伤而导致肢体瘫痪的人来说，即便是驱动轮椅都是很大的困难。如果我们能创造一种可以读取使用者想法并执行命令的轮椅，是否帮助瘫痪患者更自由的生活呢？

2022年11月18日，美国得克萨斯大学奥斯汀分校的 José del R. Millán 等人在 Cell 子刊 iScience 上发表了题为：Learning to control a BMI-driven wheelchair for people with severe tetraplegia 的研究论文。

该研究表明，四肢瘫痪者经过长时间训练后，可以在自然或杂乱的空间环境中通过思维控制轮椅。值得一提的是，这项纵向研究是第一个评估非侵入性脑机接口（BCI）技术在完全瘫痪患者中的临床转化的研究。

对于这项研究，天桥脑科学研究院TCCI应用神经技术前沿实验室主任 Gerwin Schalk 教授表示，这项研究的领导者 Millán 教授是国际脑机接口协会的前主席。他在该领域很有名气，并受到尊重。这项研究表明，三名脊髓损伤者能够仅仅通过使用他们的大脑信号来控制轮椅。这种可能性是非常鼓舞人心的，因为我们在未来可能会通过使用新的基于大脑的技术为脊髓损伤等残疾人士提供更多的活动的可能性。

TCCI应用神经技术前沿实验室主任 Gerwin Schalk 教授

思维控制轮椅是一种基于脑机接口技术的辅助移动解决方案，尤其适用于完全瘫痪者。然而，近些年来，尽管脑机接口技术取得了惊人的进展，但它的临床转化仍然难以捉摸，对于多数用户而言，这项技术十分难以操控。

值得注意的是，脑机接口技术是人与机器的互动，但大多数研究完全将注意力集中在人类身上，而忽视了机器组件，仅仅将机器降级为执行用户命令的简单设备。随着人工智能的发展，机器组件拥有更强的“智能”，如何耦合用户和人工智能，成为实现人机高效交互的关键。

在这项最新研究中，研究团队招募了3名四肢瘫痪者进行纵向研究，每名参与者每周接受3次培训，持续2到5个月。参与者佩戴非侵入性的“脑机帽”，通过脑电图（EEG）检测他们的大脑活动，并通过脑机接口设备转换为轮椅的机械指令。参与者被要求通过思考移动身体部位来控制轮椅的方向，具体来说，他们需要思考移动双手向左转，移动双脚向右转。

思维控制轮椅

在第一次训练中，当设备的反应与用户的想法一致时，3名参与者的准确率相似，约为43%到55%。在训练过程中，研究团队发现1号参与者的准确率有了显著的提高，在训练结束时，他的准确率达到了95%以上。

此外，研究人员还观察到，在3号参与者的训练进行到一半时，其准确率一度提高到了98%，但在更新设备的算法之后，其准确率大幅度回落，经过一段时间的训练后才重新提高。这表明了用户与机器设备相互学习和适应的重要性。

每个参与者的脑机接口训练的演变

1号和3号参与者的准确率提高与特征辨别能力的改善相关，特征辨别能力是算法区分“向左走”和“向右走”的大脑活动模式的能力。研究团队发现，更好的特征辨别能力不仅是机器学习的结果，也是参与者大脑学习的结果。1号和3号参与者的脑电图显示，当他们提高精神控制设备的准确性时，其脑电波模式也发生了明显的变化。

这意味着，在长期训练过程中，1号和3号参与者的大脑发生了皮质重组，巩固了调节大脑不同部分的技能，以生成“向左走”和“向右走”的不同模式。

参与者操作思维控制轮椅的示意图

与1号和3号参与者相比，2号参与者仅在最初的几次训练中略微提高了准确率，但在接下来的训练中保持稳定。与之相对应，2号参与者的脑电图显示，在整个训练过程中，他的大脑活动模式没有发生明显变化。这表明机器学习的本身不足以成功地操纵这样一个思维控制的设备，参与者的大脑活动模式改变也十分重要。

3名参与者的最终测试

在训练结束时，3名参与者都被要求驾驶轮椅穿过凌乱的病房。他们必须绕过诸如房间分隔器和医院病床等障碍物，这些障碍物是为了模拟真实环境而设置的。其中，1号和3号参与者都完成了任务，2号参与者没有成功。

José del R. Millán 教授

该论文的通讯作者 José del R. Millán 教授表示，对于一个人来说，要获得良好的对脑机接口的控制，使之能够进行相对复杂的日常活动，比如在自然环境中驾驶轮椅，这需要在大脑皮层中进行一些神经可塑性重组。

3名参与者在最终测试的每个路径点的成功率

不仅如此，这项研究还强调了对使用者进行长期培训的作用。例如，尽管1号参与者在最后测试中表现异常出色，但他在最初的几次训练中也很挣扎。接下来，研究团队想要弄清楚为什么2号参与者没有体验到学习效应。他们希望对所有参与者的大脑信号进行更详细的分析，以了解他们的差异，并为未来在学习过程中遇到困难的人提供可能的干预措施。

研究模式图

总而言之，这项研究表明，相互学习和共享控制可能是开发强大有效的脑驱动神经假体的两个基石，用户和脑机接口算法的相互学习对于用户成功操作思维控制轮椅都很重要，并强调了改善非侵入性脑机接口技术临床转化的潜在途径。

天桥脑科学研究院TCCI应用神经技术前沿实验室主任 Gerwin Schalk 教授表示，我们正处于一个令人兴奋的发展的开端，希望将能够开发出的神经技术，不仅在实验室或临床上展示出潜力，还能适用于普通公众。现在已经有许多技术使我们更接近自己的身体（如测量心率、运动等的智能手表）。在未来，神经技术也会让我们更接近自己的大脑。这些设备将适用于患者和普通人，告诉我们大脑的健康状况，并为改善大脑提供新的机会。在我领导的TCCI应用神经技术前沿实验室，我们一直专注于让这个梦想成为现实。

论文链接：

https://doi.org/10.1016/j.isci.2022.105418

转自：“生物世界”微信公众号

如有侵权，请联系本站删除！