據(jù)統(tǒng)計，全球有數(shù)百萬人由于各種原因，導(dǎo)致四肢和大腦之間的信號通路中斷，他們變得生活不能自理。為了幫助這些癱瘓者，科學(xué)家做了不少研究。

早期的研究認(rèn)為，脊髓受損之后，大腦為了與失去聯(lián)系的器官獲得聯(lián)系，會發(fā)生重組，盡管這種嘗試往往是徒勞的。大腦的這種重組讓研究人員覺得，通過重建神經(jīng)通路讓四肢恢復(fù)運動能力是無濟于事的。因此，他們打算借助機械手臂，幫助患者恢復(fù)部分生活能力。于是就成了下面這樣的……

患者利用大腦微芯片控制機械手臂喂食巧克力

2012年，匹茲堡大學(xué)研究團(tuán)隊成功將一個芯片植入患者大腦，患者可以通過大腦控制與芯片連接的機械手臂(1)。同一年的早些時候，遐邇聞名的常春藤聯(lián)盟成員布朗大學(xué)的研究人員也完成了類似的研究(2)。

但是，對于一個四肢健全的癱患者而言，閑置四肢而使用額外增加的機械手臂，不僅是一種資源浪費，還會讓患者感到不便捷。于是就有固執(zhí)的研究人員埋頭研究如何讓癱瘓的四肢恢復(fù)運動能力。

同樣在2012年，美國西北大學(xué)的研究團(tuán)隊成功實現(xiàn)用大腦芯片控制小猴子的上肢(3)。他們利用植入小猴子大腦的芯片獲取神經(jīng)數(shù)據(jù)，根據(jù)這些數(shù)據(jù)預(yù)測需要刺激的肌肉，然后猴子胳膊上相應(yīng)的電極會發(fā)出電信號，形成刺激，相應(yīng)的肌肉收縮，小猴子就可以完成相應(yīng)的動作。

2014年，俄亥俄州立大學(xué)的研究團(tuán)隊將可以獲取大腦神經(jīng)信號的芯片植入一名24歲四肢癱瘓患者Ian Burkhart的大腦，患者已經(jīng)癱瘓的右手恢復(fù)了部分功能，患者可以倒水、刷卡，甚至玩兒彈吉他游戲。4月13日，Chad Bouton領(lǐng)銜的這一研究成果刊登在《自然》雜志上(4)。

Ian Burkhart一定沒有想到自己還可以玩吉他游戲

據(jù)《自然》雜志報道，五年前的一次意外，讓Ian Burkhart摔斷了脖子，從此以后他的四肢就失去了知覺，生活不能自理。后來他發(fā)現(xiàn)離他家不遠(yuǎn)的俄亥俄州立大學(xué)在研發(fā)一種讓癱瘓四肢復(fù)蘇的技術(shù)，目前正在招募實驗的志愿者。于是為了能夠生活自理，Burkhart加入了Bouton的研究項目。

Burkhart摔斷了脖子，大腦和手失去了聯(lián)系

Bouton讓Burkhart嘗試模仿視頻里面播放的手部動作，于此同時，Bouton和他的助手用fMRI（功能性磁共振成像）設(shè)備掃描Burkhart的大腦活動，記錄下做規(guī)定動作時大腦的活動形式。

通過建立“神經(jīng)旁路”，Burkhart又可以控制自己的手了

接下來，Bouton通過手術(shù)在Burkhart大腦特定區(qū)域植入一個芯片，用于記錄Burkhart大腦的活動信號。這些信號經(jīng)電腦轉(zhuǎn)換成電信號，電信號通過固定在Burkhart手臂上的腕帶刺激相應(yīng)的肌肉，使Burkhart的手能做出相應(yīng)的動作。這時，電腦會記住作出相應(yīng)動作時，腕帶上電極的情況。

戴上腕帶的Burkhar已經(jīng)學(xué)會了抬起手來

最開始的時候，Burkhart的訓(xùn)練是從最簡單的伸開手掌和握拳頭開始的，通過不斷的嘗試，Burkhart在一天之內(nèi)就學(xué)會了移動手掌，以及伸開手掌和握拳頭。

在接下來很長一段時間里，Burkhart每周接受3次訓(xùn)練。如此反復(fù)訓(xùn)練，再結(jié)合機器學(xué)習(xí)算法，最終，Burkhart能夠完成手指分離，以及6種不同的手腕動作。在這個基礎(chǔ)上，他可以端水、倒水、攪拌，他甚至學(xué)會玩兒一種吉他游戲。

腕帶上布滿了電極，電極的不同開關(guān)組合，對應(yīng)的是不同的動作。上圖的電極模式對應(yīng)的動作是攤開手掌（紅色表示負(fù)極，黑色表示正極，無色的沒有啟動）

據(jù)Burkhart介紹，在實驗的第一天他就感到無比的興奮，因為他又可以控制自己的手了。這讓他看到了自理生活的希望。然而，由于這項研究目前還處于實驗室研究階段，Burkhart只能在規(guī)定的時間，在實驗室里體驗?zāi)欠N失而復(fù)得的喜悅感。單從這項研究的復(fù)雜程度來看，我們很容易知道，這項技術(shù)短時間之內(nèi)難以進(jìn)入癱患者的生活。

然而，筆者認(rèn)為，最近幾年大腦芯片的研究越來越受到關(guān)注，比如前面介紹的幾項相關(guān)研究，都是刊登在頂級期刊的重大進(jìn)展。再加上目前機器學(xué)習(xí)算法的飛速進(jìn)展，研究人員很有可能在短時間內(nèi)，弄清楚大腦活躍信號、肌肉收縮和指定動作三者之間的關(guān)系。屆時，設(shè)計出一款輕量級的輔助設(shè)備將不是難事。

參考文獻(xiàn)

1.Collinger JL， Wodlinger B， Downey JE， Wang W， Tyler-Kabara EC， et al. 2012. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet 381：557-64

2.Hochberg LR， Bacher D， Jarosiewicz B， Masse NY， Simeral JD， et al. 2012. Reach and grasp by people with tetraplegia using a neurally controlled robotic arm. Nature 485：372-5

3.Ethier C， Oby ER， Bauman MJ， Miller LE. 2012. Restoration of grasp following paralysis through brain-controlled stimulation of muscles. Nature 485：368-71

4.Bouton CE， Shaikhouni A， Annetta NV， Bockbrader MA， Friedenberg DA， et al. 2016. Restoring cortical control of functional movement in a human with quadriplegia. Nature advance online publication