上個(gè)世紀(jì)，醫(yī)學(xué)界取得了許多重大突破，全世界的科學(xué)家都在孜孜不倦地尋找下一個(gè)突破點(diǎn)。對(duì)于許多醫(yī)學(xué)研究人員來說，極有希望實(shí)現(xiàn)新突破的道路，就是了解人類大腦的工作原理，然后用它自己的信號(hào)模式與之溝通。大腦是一臺(tái)有機(jī)超級(jí)計(jì)算機(jī)，它負(fù)責(zé)指揮身體其他部分正常運(yùn)作，并解釋各種感官所捕獲的數(shù)據(jù)，讓我們能夠與外界互動(dòng)。

解讀我們的思維

現(xiàn)代電子系統(tǒng)可以捕獲并解讀來自大腦的信號(hào)，然后用于操作腦機(jī)接口（BCI）。這是一項(xiàng)發(fā)展迅速的新興技術(shù)，其原理和許多其他電子解決方案一樣簡(jiǎn)單：傳感器捕獲大腦發(fā)出的電信號(hào)，這些信號(hào)再經(jīng)過調(diào)節(jié)和處理，生成控制信號(hào)，然后發(fā)送到設(shè)備或應(yīng)用程序。其輸出端可以是各種系統(tǒng)，包括計(jì)算機(jī)、機(jī)械，甚至人體的其他部位。

筆者自己動(dòng)手做了一個(gè)動(dòng)作感應(yīng)手套，它利用適當(dāng)位置的紅外發(fā)射器向其他地方的傳感器發(fā)送信號(hào)。其他動(dòng)作感應(yīng)手套可在手套上嵌入傳感器，并通過放置在其他地方的兩個(gè)或更多發(fā)射器進(jìn)行三角測(cè)量。

當(dāng)然，將理論付諸實(shí)踐并非易事。我們已經(jīng)能夠較為準(zhǔn)確地解讀大腦活動(dòng)，但理解這些信號(hào)的含義卻仍然是一項(xiàng)巨大挑戰(zhàn)，其復(fù)雜性的一大根源在于，即便是執(zhí)行同一動(dòng)作的信號(hào)，也會(huì)因患者意識(shí)狀態(tài)和其他影響因素的作用而產(chǎn)生顯著差異。如果要采用非侵入式設(shè)備實(shí)現(xiàn)實(shí)時(shí)解讀，還會(huì)面臨更大的困難。

01信號(hào)捕獲

大腦中可以捕獲到各種類型的信號(hào)；通過解讀這些信號(hào)，我們可以知道大腦正試圖采取什么行動(dòng)。

一般而言，捕獲信號(hào)的方式有三種：

侵入式：將電極直接植入大腦。這種方法可以獲得分辨率極高的讀數(shù)，但存在健康風(fēng)險(xiǎn)。此外，植入物還可能產(chǎn)生疤痕組織，致使捕獲的信號(hào)減弱或使電極偏離極佳位置。

半侵入式：將電極植入顱骨下方，但不進(jìn)入大腦。這種方法也可以獲得不錯(cuò)的分辨率，而且對(duì)患者健康造成的風(fēng)險(xiǎn)較小。

非侵入式：將電極連接到頭皮頂部。這種做法無需手術(shù)，但信號(hào)分辨率低于其他方法。

每種捕獲方式都會(huì)應(yīng)用到不同的技術(shù)中，具體取決于所測(cè)量的信號(hào)。例如，非侵入式技術(shù)包括腦電圖（EEG）、腦磁圖（MEG）、功能性磁共振成像（fMRI）和功能性近紅外光譜（fNIRS）。然而，這些方法并不被視為BCI，因?yàn)樗鼈冎挥涗洿竽X活動(dòng)，并不使用結(jié)果來產(chǎn)生可操作的輸出。

一般而言，BCI系統(tǒng)需要體積小、性價(jià)比高且不顯眼的設(shè)備。例如，如果能夠克服健康風(fēng)險(xiǎn)，植入式設(shè)備將是理想選擇。相較之下，fMRI雖然精度很好，但需要體積龐大、價(jià)格昂貴的設(shè)備。

無論采用何種技術(shù)，這些系統(tǒng)都能捕獲1Hz至100Hz之間的腦電信號(hào)，這些信號(hào)可以分解為與患者警覺狀態(tài)相對(duì)應(yīng)的波段。例如，大約在8Hz到13Hz之間的alpha波段表示患者處于放松狀態(tài)，而30Hz到100Hz之間的gamma波段則表示肌肉活動(dòng)劇烈且感覺輸入水平較高。這些信號(hào)的幅度在10μV到100μV之間。

圖：大腦活動(dòng)會(huì)產(chǎn)生各種波形。圖中的頻率為近似值。（圖源：stock.adobe）

02信號(hào)調(diào)理

捕獲信號(hào)后，必須對(duì)其進(jìn)行調(diào)理，以便提取和處理有用信息。此過程首先要將信號(hào)進(jìn)行放大，并過濾掉對(duì)于分類而言不必要的頻率和噪聲。隨后對(duì)信號(hào)進(jìn)行數(shù)字化處理。信號(hào)調(diào)理非常重要，因?yàn)椴东@到的信號(hào)信噪比非常低。信號(hào)經(jīng)過清理后，就更容易確定和提取有助于解釋大腦預(yù)期動(dòng)作的特征。

03特征提取

特征提取可能是整個(gè)過程中極具挑戰(zhàn)性的階段，因?yàn)槠渲猩婕霸S多變量，而且信號(hào)通常會(huì)因多種因素（包括受試者的注意力、心理狀態(tài)，甚至不同受試者之間的解剖差異）而發(fā)生變化。除了提取測(cè)量信號(hào)的相關(guān)部分外，特征提取過程還會(huì)對(duì)信號(hào)進(jìn)行變換，以獲得新的特征，從而提高效率并提升精度。不同類型的變換更適合不同的應(yīng)用。特征提取中常用的變換包括小波變換、快速傅立葉變換（FFT）、線性判別分析（LDA）、主成分分析（PCA）、經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）和自組織映射（SOM）[3]。

與信號(hào)捕獲階段一樣，特征提取階段需要仔細(xì)權(quán)衡功率和性能，以選擇合適的組件來完成這項(xiàng)任務(wù)。在某些應(yīng)用中，需要由PC來提供處理能力；而在其他應(yīng)用中，現(xiàn)代微控制器（尤其是具有AI功能和復(fù)雜數(shù)學(xué)計(jì)算功能的微控制器）就可以完成這項(xiàng)任務(wù)。

04分類

BCI技術(shù)的分類階段通常使用翻譯算法，將特征提取階段得出的用戶期望操作轉(zhuǎn)換為向目標(biāo)設(shè)備輸出的控制信號(hào)。這些數(shù)據(jù)集通常可從早期研究中獲得。提取的特征可根據(jù)頻率和形狀，基于線性和非線性方法進(jìn)行分類。這不是一門精確的科學(xué)，需要對(duì)用戶、數(shù)據(jù)集或兩者進(jìn)行訓(xùn)練，以減少誤差并提高準(zhǔn)確性。翻譯算法的開發(fā)依賴于各種分類器，如k-近鄰（kNN）、線性判別分析（LDA）、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)（SVM）等。

此階段所需的計(jì)算能力和計(jì)算速度取決于所使用的分類器。線性分類器速度較快，且耗電量和消耗的計(jì)算資源較少，但準(zhǔn)確度較低。非線性分類技術(shù)雖然準(zhǔn)確度較高，但會(huì)耗費(fèi)較多的時(shí)間和電力。合適的分類方法取決于具體應(yīng)用。

05輸出

信號(hào)的輸出方式有很多種。它可以控制屏幕上的光標(biāo)，就像Neuralink近期展示的四肢癱瘓者操作復(fù)雜的CAD程序以及玩電子游戲一樣[4]；它也可以控制假肢和其他機(jī)器。許多現(xiàn)有的應(yīng)用改善了患者的生活，還有更多的應(yīng)用正在開發(fā)中。也許非常激動(dòng)人心、具有變革性的例子，就是將輸出轉(zhuǎn)換回大腦信號(hào)來控制身體的各個(gè)部位。

神經(jīng)調(diào)節(jié)是一種廣為人知的醫(yī)療技術(shù)，可以向身體某些部位的神經(jīng)細(xì)胞或神經(jīng)元發(fā)送信號(hào)，或者阻斷發(fā)向它們的信號(hào)。這項(xiàng)技術(shù)早在20世紀(jì)60年代初用作深層腦刺激方式，以緩解慢性疼痛。如今，緩解疼痛仍然是神經(jīng)調(diào)節(jié)主要為人所知的應(yīng)用，但它還有許多其他應(yīng)用，例如脊髓刺激，可以幫助帕金森病患者改善活動(dòng)能力[5]。隨著電子技術(shù)的進(jìn)步以及我們對(duì)大腦工作原理認(rèn)識(shí)的加深，神經(jīng)調(diào)節(jié)治療的案例數(shù)及其復(fù)雜程度也在不斷增加。

神經(jīng)調(diào)節(jié)有兩種不同的類型：電刺激和化學(xué)刺激。在電刺激中，脈沖發(fā)生器和電源相結(jié)合，用于對(duì)大腦、脊髓或周圍神經(jīng)進(jìn)行治療。在化學(xué)刺激中，藥物被精確地施加到所需區(qū)域。無論采用哪種方法，這項(xiàng)治療都可以抑制大腦發(fā)出的疼痛信號(hào)或刺激神經(jīng)沖動(dòng)。

與大腦對(duì)話

上文中，我們探討了從大腦到應(yīng)用程序的單向路徑，但應(yīng)用程序也可以直接與大腦通信。通過了解大腦的信號(hào)，我們還可以偽造出通常由感官發(fā)送的信號(hào)，使大腦了解身體和外界正在發(fā)生的事情。某些疾病會(huì)打破感官和神經(jīng)系統(tǒng)之間的聯(lián)系。例如，許多聽力受損患者的耳蝸神經(jīng)是完好無損的，依然能夠向大腦傳遞聽覺信號(hào)，但他們的內(nèi)耳受到了損傷，無法傳遞聲音信號(hào)[6]。

而人工耳蝸所做的，就是繞開受損區(qū)域，將聲音傳遞給大腦。聲音首先由麥克風(fēng)從外部拾取，然后經(jīng)過處理并傳輸?shù)?a target="_blank">接收器，接收器將聲音轉(zhuǎn)換為電信號(hào)，并發(fā)送到電極陣列，將聲音直接傳遞給聽覺神經(jīng)，從而幫助患者恢復(fù)部分聽力。

圖：典型的人工耳蝸植入體。（圖源：Pepermpron/stock.adobe.com）

未來趨勢(shì)

本文介紹的一系列技術(shù)凸顯了我們?cè)谂c大腦交互方面取得的進(jìn)展——無論是解讀大腦信號(hào)來控制機(jī)器，還是利用神經(jīng)通信連接身體其他部位進(jìn)行神經(jīng)調(diào)節(jié)，還是直接與大腦進(jìn)行交互。將這些技術(shù)結(jié)合起來后，實(shí)現(xiàn)完全雙向的系統(tǒng)只是時(shí)間問題。例如，當(dāng)患者的脊柱受損時(shí)，我們可以完全繞過受損的神經(jīng)系統(tǒng)部分，發(fā)送控制肢體所需的信息。當(dāng)實(shí)現(xiàn)這一點(diǎn)后，我們就可以向大腦發(fā)送反向信號(hào)，以提供反饋。通過這一過程，患者將能夠移動(dòng)肢體，并感受到他們可能早已失去的感覺。

這種治療方法可能離我們還很遙遠(yuǎn)，而且每個(gè)部分可能都是獨(dú)立發(fā)展的。大腦反饋系統(tǒng)很可能率先用于假肢BCI應(yīng)用，其出現(xiàn)可能遠(yuǎn)遠(yuǎn)早于能夠精確復(fù)制脊柱受損患者肢體運(yùn)動(dòng)所需運(yùn)動(dòng)技能的BCI技術(shù)。

目前，實(shí)現(xiàn)這些進(jìn)步的部分技術(shù)正在開發(fā)中，還有一部分已經(jīng)實(shí)現(xiàn)。能夠捕捉大腦活動(dòng)的傳感器以及過濾、放大和轉(zhuǎn)換信號(hào)所需的模擬解決方案正在不斷改進(jìn)。未來，這些模擬系統(tǒng)可能變得不再必要，因?yàn)橐恍┭芯咳藛T正在探索直接從原始測(cè)量信號(hào)中提取特征，并使用AI一步完成分類的方法，從而繞過傳統(tǒng)的調(diào)節(jié)過程。隨著我們對(duì)AI的理解不斷加深，以及這項(xiàng)技術(shù)的硬件和算法不斷改進(jìn)，以減少所需的能耗和計(jì)算量，植入物將變得更小、更實(shí)用，為患者提供更精確的解決方案，進(jìn)一步改善他們的生活，同時(shí)減少弊端。