专栏名称: BioArt

BioArt致力于分享生命科学领域科研学术背后鲜为人知的故事，及时报道和评论生命科学领域有料的动态，BioArt也是一个生命科学领域“百花齐放，百家争鸣”的舞台，循“自由之思想”与“独立之精神”为往圣继绝学。

Cell | 瘫痪患者的“意念之手”：长期稳定控制机器人手臂的神经可塑性研究

BioArt · 公众号 · 生物 · 2025-03-17 17:00

正文

撰文 | Qi

你是否想过，仅凭“意念”就能操控机械臂完成倒水、抓取物品？

近年来，脑机接口（ BCI ）技术在帮助瘫痪患者恢复运动功能方面已取得显著进展。然而，BCI存在“跨天失灵”的情况，也就是说瘫痪患者昨天还能通过脑电波控制机械臂端起水杯，第二天，同样的指令却让机械臂不知所措，问题就出在大脑神经信号会随时间推移而发生“漂移”。实现神经系统在稳定性（大脑在执行特定动作时，神经活动的模式保持相对不变）和可塑性（大脑在面对新任务或环境时，能够灵活调整神经活动模式的能力）之间维持平衡是这一领域的关键问题。

近日，来自加州大学旧金山分校的 K. Ganguly 团队在 Cell 杂志上发表了文章 Sampling representational plasticity of simple imagined movements across days enables long-term neuroprosthetic control ，他们通过在四肢瘫痪的患者身上实施基于ECoG （脑皮层电图描记技术）的BCI，发现尽管神经表征存在漂移，但通过神经反馈和采样这些漂移，可以保持表征结构的稳定性，并实现机器人手臂和手的高精度控制，从而实现长期的复杂神经假体控制。

该团队首先在两名瘫痪患者的大脑中植入了ECoG电极，通过记录患者在想象不同身体部位动作时的神经活动，发现尽管神经表征的绝对位置在每天之间存在一定的漂移，但其相对距离和低维流形结构保持稳定。这意味着，尽管神经活动的具体模式可能每天有所不同，但其整体结构保持一致。为了进一步研究神经可塑性，他们设计了一个脑机接口实验，在实验中，参与者接受了闭环BCI控制，并通过实时视觉反馈来调整运动想象的策略。随着BCI训练的进行，神经表征的分离度逐渐增大，解码精度明显变高。

前面已经指出神经表征在每天之间存在一定的漂移，但这种漂移是受到约束的，通过多天数据采样，他们成功构建了一个稳定的跨天表征模型，能实现“即插即用” （PnP）的长期神经假肢控制。即使在长达数月的实验中，仍能实现对机械臂的高自由度控制，虽然长期控制性能会有所下降，但只要通过简短的重新校准，就可以迅速恢复控制性能。此外，研究人员还开发了一种基于离散动作输入的连续动力学控制框架（IBID），通过将离散的神经输入映射到连续的机器人动力学中，实现了对机器人手臂的精确控制。实验结果显示，患者能够通过想象不同的动作，精确控制机器人手臂的运动轨迹，甚至能够执行复杂的路径跟踪任务。

综上，这项工作深入探讨了脑机接口技术在四肢瘫痪患者中实现长期神经假体控制的可能性。未来的研究可以进一步优化这种方法，以减少训练过程中的复杂性并提高实时控制的精准度，进而在帮助瘫痪患者恢复运动功能方面发挥更大的作用。

原文链接：

https://doi.org/10.1016/j.cell.2025.02.001

制版人：十一

参考文献

1. Pels, E.G., Aarnoutse, E.J., Leinders, S., Freudenburg, Z.V., Branco, M.P., van der Vijgh, B.H., Snijders, T.J., Denison, T., Vansteensel, M.J., and Ramsey, N.F. (2019). Stability of a chronic implanted brain-computer interface in late-stage amyotrophic lateral sclerosis. Clin. Neurophysiol. 130, 1798–1803. https://doi.org/10.1016/j.clinph.2019.07.020.

2. Metzger, S.L., Littlejohn, K.T., Silva, A.B., Moses, D.A., Seaton, M.P., Wang, R., Dougherty, M.E., Liu, J.R., Wu, P., Berger, M.A., et al. (2023). A high-performance neuroprosthesis for speech decoding and avatar control. Nature 620, 1037–1046. https://doi.org/10.1038/ s41586-023-06443-4.

3. Ottenhoff, M.C., Verwoert, M., Goulis, S., Colon, A.J., Wagner, L., Tousseyn, S., van Dijk, J.P., Kubben, P.L., and Herff, C. (2023). Decoding executed and imagined grasping movements from distributed non-motor brain areas using a Riemannian decoder. Front. Neurosci. 17, 1283491. https://doi.org/10.3389/fnins.2023.1283491.

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

Cell | 瘫痪患者的“意念之手”：长期稳定控制机器人手臂的神经可塑性研究

正文

请到「今天看啥」查看全文