文 ｜ 趙熙熙
通過將使用者的思想轉化為機械指令，一種思維控制輪椅可以幫助癱瘓者獲得新的行動能力。在11月18日發表於iScience雜誌的論文中，研究人員證明，經過長時間的訓練後，四肢癱瘓者可以在自然、雜亂的環境中操縱思維控制輪椅。
「我們發現，用戶和腦機接口算法的相互學習對用戶成功操縱這樣的輪椅都很重要。」該研究通訊作者、美國德克薩斯大學奧斯汀分校José del R. Millán說，「我們的研究突出了改進非侵入性腦機接口技術臨床翻譯的潛在途徑。」
Millán和他的同事招募了3名四肢癱瘓的人進行縱向研究。每個參與者每周接受3次訓練，並持續了2到5個月。參與者戴著一頂無邊便帽，通過腦電圖（EEG）檢測他們的大腦活動，並利用一個腦機接口設備將其轉換為輪椅的機械指令。參與者被要求通過思考移動他們的身體部位來控制輪椅的方向。具體來說，他們需要考慮移動雙手來向左轉，移動雙腳來向右轉。
在第一次訓練中，當設備的反應與用戶的想法一致時，3名參與者的準確率相似，約為43%到55%。在訓練過程中，腦機接口設備團隊發現1號參與者的準確率有了顯著提高，在訓練結束時，他的準確率達到95%以上。該團隊還觀察到，當3號參與者的訓練進行到一半時，在團隊用新算法更新他的設備後，其準確率提高到98%。
1號和3號參與者的改善與特徵辨別能力的改善相關，後者是算法區分編碼「向左走」和「向右走」的大腦活動模式的能力。研究小組發現，更好的特徵識別不僅是機器學習的結果，也是參與者大腦學習的結果。1號和3號參與者的EEG顯示，隨著他們提高思維控制設備的準確性，腦電波模式也發生了明顯變化。
「我們從EEG結果中看到，受試者已經鞏固了調節大腦不同區域的技能，以生成『向左走』和『向右走』的不同模式。」Millán說，「我們認為，參與者學習結果使大腦皮層發生了重組。」
與1號和3號參與者相比，2號參與者在訓練過程中大腦活動模式沒有明顯變化。在最初的幾次訓練中，他的準確率只略有提高，但在接下來的訓練中保持穩定。Millán說，這表明機器學習本身不足以成功操縱這樣一個思維控制設備。
在訓練結束時，所有參與者都被要求操縱他們的輪椅穿過一間凌亂的病房。他們必須繞過諸如房間隔板和醫院病床等障礙物，這些障礙物是為了模擬真實環境而設置的。1號和3號參與者都完成了任務，2號參與者沒有完成。
Millán說：「看起來，對於一個人來說，要獲得良好的腦機接口控制，從而使他們能夠進行相對複雜的日常活動，比如在自然環境中操縱輪椅，需要在我們的大腦皮層中進行一些神經可塑性重組。」
這項研究還強調了對使用者進行長期培訓的作用。Millán說，儘管1號參與者在最後表現得異常出色，但他在最初的幾次訓練中卻很不給力。該縱向研究第一次評估了非侵入性腦機接口技術在全癱患者中的臨床轉譯。
接下來，研究團隊想要弄清楚為什麼2號參與者沒有體驗到學習效應。研究人員希望對所有參與者的大腦信號進行更詳細的分析，以了解他們的差異，並為未來在學習過程中遇到困難的人提供可能的干預措施。
相關論文信息：
https://doi.org/10.1016/j.isci.2022.105418