科学家打造全套人工神经系统,让瘫痪病人重新控制身体

2021-02-21 14:00:11爱云资讯阅读量:1,030

据外媒 IEEE Spectrum 报道,美国一组神经科学家和工程师研发了一套人造神经系统,能让瘫痪的人重新控制自己的肢体。

2015年,这组研究人员对他们的研究成果进行了测试检验。测试者当时胸部以下已瘫痪了三年有余,但借助这套设备,他可以握住简易的吉他接口,用右手的手指按下指板键,左手敲击弹奏杆,使用《吉他英雄》电子游戏弹奏了一些音符。

测试者的动作不依赖于体内受损的脊柱,而是使用了一种叫做“神经搭桥(neural bypass)”的技术,将他的意图转化为行动。

首先,植入到他脑内的设备接收到他大脑运动皮层的神经信号;然后,这些信号被转到计算机运行的机器学习算法上进行破译;最后,缠绕在测试者前臂上的电极将破译后的指令传递给他的肌肉。总体来说,这一系列信号传递使用的是一种人造神经系统。

01.

构建合成神经系统,

帮瘫患者恢复运动和触觉

研究人员在位于美国俄亥俄州哥伦布市的巴特尔纪念研究所完成了这项研究。此后,研究人员将实验室搬到了位于纽约州曼哈西特范斯坦医学研究所的生物电子医学研究所。

生物电子医学是一个相对较新的领域,这组研究人员使用设备读取和调节人体神经系统内的电活动,为患者开拓了新的治疗方法。

这个研究小组的目标是破解与运动和感觉相关的神经密码,这样他们就可以开发新的方法来治疗世界各地数百万的瘫痪患者。

要实现这一目标,研究人员首先需要了解来自大脑神经元的电信号是如何与身体的动作相关联的;接着,他们需要将这种信号用正确的方式表述出来,恰当地调节神经通路,以恢复瘫患者的运动和触觉。

▲研究人员Luke Tynan(第一排)Chad Bouton,Richard Ramdeo,Santosh Chandrasekaran,Nikunj Bhagat(二排从左至右)

包括电气工程师Nikunj Bhagat,神经科学家Santosh Chandrasekaran和临床经理Richard Ramdeo在内的团队人员,正在构建两种不同的合成神经系统。

一种方法是使用大脑植入物对瘫痪的肢体进行高保真的控制;另一种方法则是采用非侵入式可穿戴技术,第二种方式提供的控制精度较低,但好处是不需要进行脑部手术。这种可穿戴技术也可以在不久的将来在患者群体进行推广。

02.

瘫痪三年患者通过大脑

植入物重新自主控制肌肉

2010年,《吉他英雄》实验的参与者Ian Burkhart一头扎进海浪中,头朝下撞到沙堤,导致瘫痪。撞击使他颈部的几块椎骨骨折,脊柱受损,也导致他胸部以下瘫痪。

这些损伤阻碍了他大脑产生的电信号通过神经传递到肌肉,再产生触发行为。而在他参与研究期间,技术帮他恢复了他所失去的功能。他成功地进行了刷卡、倒水等行为,这标志着瘫痪病人第一次通过植入大脑的设备成功控制了自己的肌肉。

▲2015年,Ian Burkhart使用基于脑部植入物的“神经搭桥”术玩《吉他英雄》的游戏

Ian Burkhart使用的系统是实验性的,当研究结束后,他也相应无法再自主控制肌肉。为了改变这一点,研究人员正在开发一种非侵入性可穿戴技术,它无需植入大脑,因此使用也更快速和方便。

目前,一些四肢瘫痪的人已经在使用这个系统来抓取物体。研究人员的短期目标是将这种非侵入性技术商业化,并希望明年这一技术可以获得美国食品和药物管理局(FDA)的批准。

他们还有一个关于“双向神经搭桥”技术的长期愿景。这一技术的实施将使用大脑植入物来接收信号,并从放置在肢体上的传感器进行反馈。这项技术已经开始进行临床试验,他们希望这个双向系统能同时恢复运动和触觉,让像Ian Burkhart这样的瘫痪患者能用双手演奏音乐。

03.

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。

04.

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。

传感器获取的数据被输入到机器学习算法中,研究人员通过数据判断出志愿者的抓捕意图。然后,志愿者前臂上的柔性电极按特定顺序刺激肌肉,达到让志愿者的手部根据意识活动的目的。

在一次测试中,志愿者Casey Ellin用这种可穿戴的“神经搭桥”系统从桌子上拿起了一块燕麦棒,然后将燕麦棒送入嘴里咬了一口。这一案例被刊登在研究人员于2020年发布在《Bioelectronic Medicine》期刊的文章中。

▲曾因脊髓损伤导致部分瘫痪的Casey Ellin,使用早期可穿戴式“神经搭桥”系统原型进行测试

这个研究团队正在努力将传感器和刺激物集成到轻便且不起眼的可穿戴设备中。他们还开发了与可穿戴设备配对的应用,以便临床医生对刺激设置进行检查和调整。这个应用可以将程序数据上传到云端,未来可能会用于远程医疗恢复。

为了加快校准刺激模式的过程,研究人员在健全志愿者和瘫痪志愿者的帮助下,建立了一个数据库,用于研究这些模式是如何映射到手部运动的。虽然每个人对刺激的反应不同,但是其中的相似性足以用来训练系统。

这个数据库类似于亚马逊的Alexa语音助手,它接受了数千种语音的训练,开箱即用且随时可用。而随着时间的推移,研究人员还将进一步完善它对特定用户语言模式的理解能力。

可穿戴设备也将在近期准备就绪,初级设备可以提供让人打开和合上手的基本功能,后续,研究人员将通过继续了解用户意图,从而帮助每个用户完成对他们来说最重要的动作。

▲研究人员手持最新版本的可穿戴贴片(左)使用者将贴片佩戴在前臂,可以刺激神经和肌肉(右)

研究人员称,这项技术可以帮助到脊髓损伤和中风康复的人。他们与好牧人康复医院(Good Shepherd Rehabilitation Hospital)与巴罗神经学研究所(Barrow Neuroologic Institute)进行了合作,以测试他们的技术。

中风患者通常会使用这个设备接受神经肌肉电刺激,以协助患者自主运动,或帮助患者恢复运动功能。有相当多的证据表明,当病人在电极刺激正常肌肉的同时尝试做动作时,这种康复疗法效果更好。大脑和肌肉联合运动已被证明可以增加神经系统适应损伤的能力,也就是所谓的“可塑性”。因为刺激是需要患者用意图激发的,所以“神经搭桥”系统将确保患者充分参与。研究人员计划能随着时间的推移收集数据,此外,他们还希望将来即使这个系统关闭了,患者依旧能恢复自身的某些功能。

尽管可穿戴设备的应用令人兴奋,但如今在技术的初级阶段,非侵入性的技术并不能轻易控制复杂的手指运动。研究人员并未指望GlidePath技术能让使用者立即就能玩《吉他英雄》,甚至弹奏真正的吉他。他们正在继续研究一种包括大脑植入配合的“神经搭桥”,以提升系统的控制能力。

Ian Burkhart在使用早期版本的“神经搭桥”技术时说道,这个系统向能独立使用迈出了一大步,但还有很多实际的东西没被考虑到。“我手里拿着东西,但我对此没有感觉,这是很奇怪的。”确实,像扣衬衫扣子这样的日常工作确实需要感官反馈,而后,研究人员才决定进行一项双向“神经搭桥”手术,将运动指令从大脑传送到手,并将感觉反馈从手传送到大脑。传输过程跳过患者受损的脊柱,在两个方向中来回移动。

▲“神经搭桥”工作流程图解

05.

通过在大脑皮层中植入设备,

使瘫痪病人重新活动和感知

为了让使用者能从瘫痪的手中产生感觉,研究人员既需要在使用者手上安装精密调节的传感器,也要在大脑的感觉皮层区域植入电极阵列等植入物。

在传感器的设计上,研究人员首先考虑的是人类皮肤如何向大脑发送反馈信息。举例来说,当使用者拿起一个装满热咖啡的一次性杯时,压力会压缩握紧杯子的部分皮肤层。当使用者将杯子拿起时,皮肤会移动、拉伸和变形。

研究人员开发的薄膜传感器可以检测杯子对皮肤的压力,以及在使用者提起杯子时,杯子施加在皮肤上的相对作用力。这种微妙的反馈至关重要,在这种情况下,其允许力反馈的误差范围非常小,因为如果使用者把杯子握得太紧,杯中的热咖啡就会溢出来。

研究人员设置的每个传感器都负责了不同的区域,可以检测最小的压力或相互作用力。通过汇总测量结果,系统可以准确确定皮肤弯曲或伸展的情况。处理器会将皮肤信息发送到大脑感觉皮层上的植入物中,使用者就能相应感觉到手中的杯子,并依据需要调整抓取力度。

▲与手部运动相关的大脑活动

▲手上的双向系统记录运动皮层并刺激感觉皮层

此外,找出刺激皮层的确切位置是研究人员面对的另一个挑战。在研究人员绘制的运动皮层地图中,感觉皮层接受手部输入的部分还没有通过电极详细地描绘出来,部分原因在于,指尖区域的感知隐藏在大脑中被称为中央沟的沟槽中。

为了填补运动皮层地图的空白,研究小组的人员与神经外科医生Ashesh Mehta 和 Stephan Bickel,以及一些住院的癫痫患者一起配合,进行绘制癫痫活动图的程序。

通过将深度电极用于刺激中央沟沟槽的区域,并询问患者有感觉的部位,研究人员能够将设备的触感反馈延伸至指尖等手部特定部位。

接下来,他们正在招募四肢瘫痪的志愿者参与研究。团队中的神经外科医生将在志愿者的感觉皮层植入三排电极,在运动皮层植入两排电极。而刺激感觉皮层可能会给解码算法带来新的挑战:运动皮层中的神经信号会对电信号的接收产生影响,因此研究者也需要克服这一问题。

在这项研究中,研究人员增加了另外一个附加刺激。除了对前臂肌肉和感觉皮层进行刺激 外,新研究还将对使用者的脊髓进行刺激。

原因在于,在脊髓的复杂网络中有一千万个神经元,早期研究表明,即使没有来自大脑的指令,这些神经元也具有能在短暂时间引导身体运动的能力。

研究人员会让志愿者专注于做预期设定好的运动,在前臂搭载电极的帮助下进行身体运动,并接收来自手部传感器的反馈。如果研究人员在这个过程中刺激志愿者的脊髓,将可以促进其复杂网络内的可塑性,从而增强与手部运动有关的脊髓神经元之间的连接。这个研究小组的梦想是让脊髓受损患者的手能够恢复正常。

这篇文章的作者Chad Bouton是这个研究小组的一员,他说:“总有一天,我们为瘫痪病人提供大脑植入物的技术能获得临床证明并批准使用。我们希望看到他们用双手做出复杂的动作,我们希望看到他们系鞋带,用键盘打字以及弹钢琴。我们的目标是让这些人在与亲人握手的时候能感觉到回握。我们要恢复他们的运动和知觉,并最终恢复他们独立生活的能力。”

06.

结语:当科技成为人身体的一部分

这篇文章呈现的,是一位研究人员对团队正在进行探索项目的解读和阐述。他们开发了可穿戴设备和大脑植入物两种方式,进行了多次试验,试图让瘫痪病人重新进行自主活动,重新感觉到知觉。

当科技成为人身体的一部分会怎么样?这项研究或许能提供给我们一个答案。可穿戴设备、脑机接口、电子皮肤……这些正在逐步发展和完善的技术,或许在将来的某一天,可以帮助越来越多不幸的人恢复正常人的生活。

相关文章

人工智能技术

更多>>

人工智能公司

更多>>

人工智能硬件

更多>>

人工智能产业

更多>>
关于我们|联系我们|免责声明|会展频道

冀ICP备2022007386号-1 冀公网安备 13108202000871号

爱云资讯 Copyright©2018-2024