作者:微胖
癱瘓影響許多人的生活,原因與大腦和肌肉之間信號通路受阻有關。過去幾年中,我們已經看過癱瘓病人在體外骨骼的輔助下開始行動。這種方法是將已有的神經活動轉化為例如機器手臂之類輔助設備的控制信號,以此控制輔助設備活動。這類系統也被用于非人類靈長類動物癱瘓肌肉的激活活動中。

最近,研究人員在《自然》雜志上發表論文,他們成功讓四肢癱瘓的受試重拾通過思維控制癱瘓手部活動的能力。
2010年6月13日,大學新生Ian Burkhart和朋友在海里玩時,跳入了錯誤浪頭,被浪摔打到淺沙堤,折斷了第五頸椎,立刻癱瘓。他無法感覺到自己的胳膊或腿。情況穩定后,Burhart和家人回到了位于俄亥俄州哥倫布的家中,并在俄亥俄大學開始了自己的康復治療。Burkhart后來獲悉,一支本地團隊正在為損傷的脊髓開發一種神經技術旁路,團隊由工程師Chad Bouton和神經外科醫生Ali Rezai領導。他們的神經假肢技術會直接將大腦與胳膊肌肉連接起來,讓癱瘓人士重新控制自己的肢體。他們需要被試,于是,Burkhart成了完美人選。
2014年4月, Rezai 和Feinstein Institute 的Chad Bouton 以及同事們將豌豆大小的一排微電極陣列(100個)植入Burk大腦負責運動控制的運動皮層。另外,團隊也研發出帶有電極的袖套,電極會刺激控制特定手與指頭運動的肌肉,讓手部活動起來,比如,捏或者抓。

接入了神經旁路后,Burkhart 開始訓練計劃,學習用自己的思維控制電極袖套。首先,他需要觀察屏幕上虛擬示范:握緊手然后打開,然后在大腦里想象這個動作。這一腦部活動記錄會被輸入電腦,電腦用算法將這些信號翻譯出來后再傳輸出去,以此控制電極袖套。Bouton的團隊使用了機器學習算法解碼預示每一個舉動的大腦活動。以預設的順序讓電極袖套重新激起相應的手部活動!肝覀冞\用了機器學習算法解碼神經元活動,通過一個定制的高分辨率的神經肌肉電刺激系統,來控制激活受試的前肢肌肉活動!沽拢珺urkhart可以活動起自己的前肢和手腕。接下來的幾個月,他學會了動手指。

為了提高軟件解碼復雜任務(比如,抓——倒——攪拌)的表現,研究人員用從這些不同復雜任務中獲取的MWP數據來訓練非線性支持向量機。結果表明,系統解碼更加準確,受試可以實現以前無法完成的活動功能。Rezai說,不斷重復,信號就會越來越清晰,基于機器學習的軟件就會學習著讓動作更加流暢和快速。
Burkhart的訓練頻率是每天4個小時,一周2-3次,訓練還需持續幾年。現在,他可以打開并合攏手,拿起瓶子并將里面的東西導入杯子,用棒子攪動杯子里的東西。

有研究人員表示,如果從內部刺激受試的肌肉,或許可以改善準確率(而不是使用外部的電極袖套)。不過,研究人員更希望能夠盡可能以非侵入的方式將電極植入人體。專家指出,在拓展四肢癱瘓人士行動可能性的研究成果中,該項研究無疑是美好的一篇,不過,距離廣泛傳播的應用,還很遙遠。像這種并行的研究方法也應當繼續被考慮,F在,Razai和同事們希望 Burkhart 最終能學會使用電極袖套完成更加多的動作。他們也計劃在其他癱瘓人士身上使用這一系統,比如脊髓受損或中風患者。
|