AI 科学家打造全套人工神经系统 让瘫痪病人重新控制身体( 二 )


三、关注对手部肌肉的刺激 , 致力于让瘫患者自己控制肢体
以往 , 瘫痪被认为是一种永久性的状态 。但在过去的二十年中 , 在读取大脑的神经信号和使用电刺激为瘫痪的肌肉提供动力方面 , 技术已经取得了显著进步 。
在21世纪初 , 美国BrainGate联盟开始进行一项具有突破性意义的研究工作 。他们的技术通过大脑植入物来收集来自大脑运动区域的信号 , 并利用这些信号来控制各种机器 。
而今天提到的团队中的一位研究人员Chad Bouton就曾与BrainGate联盟一起工作过 , 开发了解读神经代码的机器学习算法 。2007年 , 这些算法帮助了一位因中风而瘫痪的妇女用思维来驾驶轮椅 。2012年 , BrainGate的研究小组已经能使一位瘫痪的妇女用机械臂拿起一个瓶子 。与此同时 , BrainGate的其他研究人员还在使用植入式电极刺激脊椎 , 让瘫痪患者可以用腿站立甚至行走 。
Chad Bouton和他的研究小组继续对BrainGate所做研究涉及到的两个问题研究解决方案 , 即读取大脑发出信号的同时 , 对肌肉进行刺激 。BrainGate团队曾做过一个调查 , 四肢瘫痪者在受访时回答说 , 他们首先希望恢复手臂和手的功能 , 因此新的研究小组也着重注意对手部肌肉的刺激 。
机器人技术在一定程度上满足了这种需求 。一种商业上可用的机械臂可以通过轮椅控制操作 , 这项研究已经探索了通过大脑植入物或头皮电极来控制机械臂的技术 。但有些人仍然渴望能控制自己的手臂 。
Ian Burkhart在2016年答媒体问时说 , 他不想在他的轮椅上安装机械臂 , 这样会让他引起太多人的注意 。而新的技术可以让他自己控制手臂 , 且不会引人注目 , 这项技术让他可以“像正常人一样行使职能 , 而不被当做一个半机械人对待 。”
恢复人的手部运动对研究人员来说是一项艰巨的挑战 。人类的手有超过20个自由度 , 而且手部移动和旋转的方式要比腿部更自由 。这意味着设备需要刺激更多肌肉 , 这就产生了一个高度复杂的控制系统问题 。尽管面临着要将手部复杂动作在大脑中编码等挑战 , 研究人员依旧尽力帮助四肢瘫痪的病人恢复正常 。
Ian Burkhart的植入物位于他大脑运动皮层中一个控制手部运动的区域 。研究人员绘制了运动皮层的地图 , 其中有大量信息表明一般神经元活动是与整只手及每根手指的运动相关联的 。
但是 , 从植入物搭载的96根电极上传出的数据量却是巨大的:每个电极每秒测量的活动约为30000次 。研究人员必须在这样的数据洪流中找到离散信号 , 来指导使用者“弯曲拇指”或“伸出食指” 。
对这些信号解码试验需要人工智能的技术 , 也同样需要有毅力的志愿者配合 。志愿者需要参加为期15周 , 每周三次的课程来进行系统培训 。在每次的练习中 , Ian Burkhart都会在电脑屏幕上看到一只动态的手在移动和弯曲它的手指 。他依此进行想象 , 大脑中的植入物在记录他的神经元活动时也进行着同样的动作 。随着时间的推移 , 一种机器学习算法就能找出哪种活动模式可以对应“拇指弯曲”或“食指伸出”的动作 。
一旦“神经搭桥”系统理解了这些信号 , 它就可以为Ian Burkhart前臂的肌肉释放一种电脉冲信号 。理论上来说 , 这种电脉冲模拟了大脑向未受损伤的脊髓发送脉冲并穿过神经的过程 。但实际上 , 将Ian Burkhart的意图转化为肌肉运动需要另一轮高强度的训练和校准 。
研究人员花费了无数个小时刺激缠绕在Ian Burkhart前臂上的130个电极 , 以确定如何控制他的手腕、手和每根手指的肌肉 。“虽然我们不可能复制所有的手部动作 , 而且我们至今为止无法完全控制小指的运动 , 但我们知道我们必须开发出更好的东西 。”研究人员之一Chad Bouton说道 。
四、无创可穿戴设备能使脊髓损伤和中风患者恢复部分身体活动
为了制造一个更实用和方便的系统 , 研究人员决定开发一个完全无创的版本 , 称为GlidePath 。他们招募了一些脊髓受伤但肩部仍有活动能力的志愿者 , 将惯性传感器和生物识别传感器的专有混合物放在志愿者的手臂上 , 并要求他们想象要拿到不同物体 。

推荐阅读