研究人员在瘫痪患者的脑部植入微型传感器，这些传感器能够读取患者的运动意图，使其在无法实际移动的情况下追踪和分析大脑活动。| 图片来源：特别安排
加州大学旧金山分校（UCSF）的科学家们在辅助技术领域取得重大突破。该项目科学论文的主要作者、来自印度金奈的尼希勒什·纳特拉杰表示，他们开发的脑机接口（BCI）能够让一名瘫痪男子仅通过想象想要执行的动作来控制机械臂。
纳特拉杰博士是UCSF威尔神经科学研究所的神经科学家和神经工程师。他表示："我们的团队开发了一种框架，使瘫痪患者能够仅凭意念连续七个月操控机械臂，且需要的校准极少。"这项研究结果发表在同行评审期刊《细胞》的最新一期上。
提升脑机接口（BCI）稳定性
研究团队首先需要理解运动背后的神经模式。关键在于发现当研究参与者反复想象特定运动时，大脑活动模式每天的变化规律。一旦机器学习/AI算法被编程以适应这些变化，就能实现长达数月的持续工作。
卡鲁内什·甘古利教授研究了动物大脑活动模式如何表征特定运动，他发现这些模式每天都在变化。如果假设人类也是如此，这些变化就能解释为什么参与者的BCI系统变得不稳定且迅速失去识别运动模式的能力。研究团队与一名因中风瘫痪且无法说话的个体合作。大学官网信息显示，研究参与者脑部表面植入了微型传感器，这些传感器能够在参与者想象运动时捕捉大脑活动。纳特拉杰博士解释说，这些传感器不会向大脑发送脉冲，而是仅读取来自大脑运动区域的运动意图。
人工智能与信号处理
为了观察参与者的大脑模式随时间的变化，研究者要求他想象移动身体不同部位。虽然他实际无法移动，但当他想象自己执行这些动作时，大脑仍会产生相应的运动信号。BCI系统通过传感器记录这些大脑活动表征。
分析高维传感器数据后，研究团队发现虽然运动表征的结构保持不变，但它们在高维数据中的位置每天都有细微位移。通过追踪这些位移并预测其演变，团队成功克服了BCI系统的不稳定性，开发出端到端的信号处理和人工智能框架。
从想象运动到现实操作
随后，参与者被要求想象手指、手掌或拇指的简单运动，同时传感器记录其大脑活动以训练AI系统。读取的信号经解码后用于驱动机械臂。最初，他在虚拟机械臂上进行练习，这让他能够根据视觉反馈修正动作方向和控制精度。
最终，参与者成功控制现实世界中的机械臂完成操作。他能够执行抓取和操控积木、旋转物体并重新放置等任务。他甚至成功打开橱柜，取出杯子并将其举到饮水机下方——这些看似简单的动作对于瘫痪患者而言却具有改变生活的能力。
纳特拉杰博士指出，虽然这项技术已取得突破性进展，但仍需进一步完善才能广泛应用于瘫痪患者。特别是系统需要在有诸多干扰的复杂场景中流畅运作，例如在拥挤的杂货店购物时的环境。
【全文结束】
