機器學習讓腦機介面「隨插即用」,Nature 子刊:癱瘓患者也能控制游標

作者 | 發布日期 2020 年 09 月 09 日 14:39 | 分類 AI 人工智慧 , 尖端科技 , 生物科技 Telegram share ! follow us in feedly


「腦機介面」的腦洞還能怎樣大開?前段時間,科技狂人 Elon Musk 現場展示了 Neuralink 最新進展,和他的三隻小豬一起衝上熱搜。有人說這才是前端科技,大呼一個全新時代要開始了。

其實,在此起彼落的褒貶聲中,有許多質疑的聲音,比如:

植入了以後如何充電?數據中斷怎麼辦?

再比如:

更新換代或損壞維修時,又得取出來嗎?

可以看出,不少人將關注重點放在腦機介面產品與大腦之間的關係是否穩定這個問題,而這也是該領域研究人員一直以來想要的突破。

最近,美國加州大學舊金山分校(UCSF)威爾神經科學研究所的一組科學家經研究證明,癱瘓患者透過大腦活動控制電腦游標的過程,可用機器學習做到,無需再大量訓練。

UCSF 對此的描述是:

首個在癱瘓患者身上展示的「隨插即用」腦機介面。

看來,腦機介面真能「隨插即用」了。

腦機介面「隨插即用」

這項研究於 2020 年 9 月 7 日發表於知名學術期刊 Nature Biotechnology,題為 Plug-and-play control of a brain-computer interface through neural map stabilization(基於神經地圖的穩定腦機介面隨插即用控制)。

藉助腦機介面恢復癱瘓患者運動能力、還原神經性疾病患者語音能力的報導已經屢見不鮮了,但阻礙腦機介面實際應用的一大局限便是可靠性。

想像一下,一款產品每天都要重新設置和校準,還不能進入大腦的自然學習過程,就像一個人一生中每次騎自行車都要從頭學起。

為此,研究團隊的目標很明確:開發出一種無需重新校準而保持產品性能穩定的腦機介面技術。

長期植入 ECoG 電極陣列

(Source:UCSF

上圖展示的是一個 ECoG 電極陣列,ECoG 全稱是 electrocorticogram,指「皮層腦電圖」,即顱內的腦電圖掃描。這是一種侵入的方式,植入電極、將電極直接置於大腦的暴露表面,記錄大腦皮層的電信號,不論是手術環境還是術外環境均可使用。

一個 ECoG 陣列包括一塊電極,大小就像是一張便利貼,手術中它可以放置在患者大腦表面。ECoG 電極陣列能夠長期、穩定記錄神經活動,並已被批准用於癲癇患者的疾病發作監測。

據 UCSF 官方介紹,之前腦機介面技術使用的是一種「針式電極陣列」,這種陣列可以穿透腦組織、獲得更敏感的紀錄。但其缺點就在於:

  • 隨著時間推移,信號往往會轉移或丟失。
  • 電極穿透腦組織時,免疫系統會進行排異。

可以說,ECoG 陣列雖然比傳統植入物的敏感度低,但其長期穩定性似乎彌補了這個缺陷。

研究中,團隊向癱瘓患者大腦長期引入了 128 慢性皮層腦電圖(ECoG)植入物,進而穩定監測信號。

據悉,研究團隊在此之前已經獲得在癱瘓患者腦中長期植入 ECoG 陣列的調查性器械批准,這個做法也是在測試 ECoG 陣列做為長期、穩定的腦機介面植入物是否安全有效。

基於已植入的 ECoG 陣列,研究人員嘗試讓癱瘓患者控制假肢和自己的手,結果是:患者可以藉助植入物來控制螢幕上的游標。

大腦和機器學習系統「成為夥伴」

此外,團隊開發了一種腦機介面演算法,利用機器學習將 ECoG 電極紀錄的大腦活動與用戶預期的游標移動匹配。

最初,研究人員每天遵循重置演算法的標準做法,同時患者看著螢幕上移動的游標,想像脖子和手腕會做出的動作。慢慢地,電腦演算法會自我更新,游標運動與由此產生的大腦活動匹配。值得一提的是,大腦信號和機器學習擴增演算法之間持續相互作用,性能在較長的一段時間內都並未降低。

(Source:UCSF

據 UCSF 介紹,在沒有再訓練的 44 天裡,腦機介面的性能沒有下降,患者甚至是連續幾天不練習也保持之前的表現。

這背後的原理則是,長期閉環解碼器能實現自適應,其中解碼器權重可在多天內跨多個會話進行,因此實現了神經地圖的合併和所謂的「隨插即用」(原文是 plug-and-play),不僅如此,控制特性(指長期維度堆疊)還會有所增加。

隨著時間的推移,患者大腦能夠放大神經活動模式,有效推動人工接口透過 ECoG 陣列消除效率低的信號,而這一過程正如大腦學習複雜任務的過程那樣。

不難看出,研究團隊穩定的信號監測,讓大腦和機器學習系統隨著時間的推移建立了穩定的「夥伴關係」。

因此,研究團隊表示:

設計出一種不會被束縛手腳的技術,確實改善癱瘓患者的日常生活,是我們一直以來希望看到的。實驗數據表明,基於 ECoG 的腦機介面可能正是這種技術的基礎。利用 ECoG 接口的穩定性和神經可塑性,我們為可靠、穩定的腦機介面控制貢獻了一條思路。讓人工學習系統適應大腦復雜的長期學習模式,是以前從未在癱瘓患者身上嘗試過的。

就未來的研究方向而言,論文作者之一、威爾神經科學研究所神經病學副教授 Karunesh Ganguly 博士表示:

我們下一階段研究的關鍵目標是探索 ECoG 陣列對於更複雜的機器人系統(包括義肢)的長期控制。

關於作者

上文提到,這項研究來自於美國加州大學舊金山分校威爾神經科學研究所。

在威爾神經科學研究所官網首頁,有一句顯眼的標語:

努力解決與人腦相關的問題,減少神經和精神疾病的痛苦。

該研究所設有:

  • 神經病學、精神病學和神經外科三大部門,同時關注病人護理和相關研究。
  • 一個神經系統科學研究生專案,這一專案是一個由 UCSF 17 個基礎科學和臨床部門近 100 名教員組成的跨學科聯盟。
  • UCSF 神經退行性疾​​病研究所,這是一個多學科研究中心,致力於尋找有效治療阿茲海默症、失智症、帕金森氏病等神經退行性疾​​病的方法。

其中,威爾神經科學研究所神經病學副教授 Karunesh Ganguly 博士也參與了這項研究。

Karunesh Ganguly 博士曾獲史丹佛大學化學學士學位、加州大學聖地亞哥分校醫學博士學位(神經科學),並榮獲科學家和工程師總統早期職業獎(PECASE)。

(本文由 雷鋒網 授權轉載;首圖來源:shutterstock)

延伸閱讀: