研究證明：機器學習可幫助癱瘓患者提供大腦活動學習控制電腦

9 月 7 日，影響因子比主刊 Nature 還高的《自然生物技術（Nature Biotechnology）》，發(fā)表了加州大學舊金山分校的一項突破性進展。

加州大學舊金山威爾研究所的神經(jīng)科學研究人員通過一個人腦控制假肢的研究證明，機器學習技術可以幫助癱瘓患者通過大腦活動學習控制電腦光標，而不需要大量的日常再訓練。

這項可以讓大腦和機器學習系統(tǒng)隨著時間推移建立穩(wěn)定“伙伴關系”的“即插即用”技術的成功，正是過去所有腦機接口（BCI）研究工作一直追求的目標。

“腦機接口領域近年來取得了很大的進步，但由于現(xiàn)有的系統(tǒng)每天都要重新設置和校準，它們還不能進入大腦的自然學習過程。這就像讓一個人從頭開始一遍又一遍地學習騎自行車。”加州大學舊金山分校神經(jīng)學系副教授、研究資深作者、醫(yī)學博士 Karunesh Ganguly 說，“讓人工學習系統(tǒng)適應大腦復雜的長期學習模式，這在癱瘓患者身上是前所未有的?！?/p>

ECoG 電極陣列

皮層腦電圖（ECoG）陣列包括一個便利貼大小的電極墊，通過手術放置在大腦表面。它們可以長期、穩(wěn)定地記錄神經(jīng)活動，并已被批準用于癲癇患者的癲癇發(fā)作監(jiān)測。

相比之下，過去的腦機接口技術往往使用的是“針墊”式的鋒利電極陣列，這種陣列穿透腦組織能夠獲得更敏感的記錄，但隨著時間的推移，信號往往會轉移或丟失。

為了證明了 ECoG 電極陣列在腦機接口應用中的價值，Ganguly 研究團隊獲得了在癱瘓患者中長期慢性植入 ECoG 陣列設備的批準，以測試其作為長期、穩(wěn)定的 BCI 植入物的安全性和有效性。

在這項最新研究論文中，Ganguly 的團隊記錄了在四肢癱瘓患者身上使用 ECoG 電極陣列的情況。受試者還參與了一項臨床試驗，該試驗旨在測試使用 ECoG 陣列來讓癱瘓患者控制假肢手臂和手，不過在這篇新論文中，參與者使用植入物實現(xiàn)的是控制屏幕上的電腦光標。

此外，研究人員還開發(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所需的光標移動相匹配。最初，研究人員遵循每天重置算法的標準做法。參與者首先想象特定的脖子和手腕動作，同時看著光標在屏幕上移動。

漸漸地，計算機算法開始自我更新，使光標的運動與由此產(chǎn)生的大腦活動相匹配，有效地將光標的控制權轉交給用戶。

由于患者每天都要開始這個過程，就會給在可以達到的控制水平上設置一個嚴格的限制。因為掌握設備的控制可能需要幾個小時，有時參與者甚至不得不完全放棄。

然后，研究人員切換到允許算法繼續(xù)更新以匹配參與者的大腦活動，而不用每天重新設置它。他們發(fā)現(xiàn)，大腦信號和機器學習增強算法之間的持續(xù)相互作用，會在許多天內導致性能的持續(xù)改善。最初，每天都有一些需要彌補的損失，但很快參與者就能夠立即達到頂級水平的表現(xiàn)。

“即插即用”的腦機接口

“我們認為這是試圖在大腦和計算機這兩個學習系統(tǒng)之間建立伙伴關系，最終讓人工界面成為用戶的延伸，就像他們自己的手或手臂一樣?！?/p>

研究人員表示，隨著時間的推移，參與者的大腦能夠放大神經(jīng)活動模式，它可以利用 ECoG 陣列最有效地驅動人工接口，同時消除不太有效的信號，而這一過程很像大腦學習復雜任務的過程。

他們觀察到，參與者的大腦活動似乎形成了一種根深蒂固的、一致的大腦“模式”來控制腦機接口，這種情況在日常的重置和重新校準中從未發(fā)生過。

經(jīng)過幾周的持續(xù)學習，當界面重新設置時，參與者迅速重新建立起控制設備的相同的神經(jīng)活動模式——有效地將算法重新訓練到原來的狀態(tài)。

“一旦用戶建立了控制界面的解決方案的持久記憶，就不需要重新設置，”Ganguly 說。“大腦很快就會匯聚到同一個解決方案上。”

研究表明，他們可以完全停止算法的自我更新，參與者可以簡單地每天開始使用界面，而不需要再培訓或重新校準。在沒有再訓練的 44 天里，表現(xiàn)沒有下降，參與者甚至可以連續(xù)幾天不練習，表現(xiàn)也幾乎沒有下降。

“我們一直注意到，我們需要設計出一種技術，它不會被束之高閣，而是能夠切實改善癱瘓患者的日常生活。”Ganguly 說，這些數(shù)據(jù)表明，基于 ECoG 的腦機接口可以作為此類技術的基礎。

而這種即時“即插即用”的腦機接口技術一直是該領域的重要挑戰(zhàn)，因為大多數(shù)研究人員使用的“針形”電極往往會隨時間移動，從而改變每個電極所捕獲的信號。而且，由于這些電極穿透腦組織，免疫系統(tǒng)往往會排斥它們，逐漸削弱它們的信號。

ECoG 陣列雖然比傳統(tǒng)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。ECoG 記錄的穩(wěn)定性對于更復雜的機器人系統(tǒng)（如假肢）的長期控制可能更為重要，這也是Ganguly 研究下一階段的關鍵目標。
責編AJX