美国瘫痪患者用“大脑意念”使用双机械臂吃蛋糕

2020年12月，瘫痪了30多年的罗伯特·巴兹·凯莫莱夫斯基(Robert Buzz Kemelewski)向世界展示了如何通过大脑控制两只机械臂拿起餐具、自己进食的全过程。

在视频中，Chmielewski通过自己的大脑信号用刀叉切食物，然后命令机械臂将食物送到嘴里几英寸的地方并吃掉。

Chmielewski的成就标志着受疾病或伤害影响的患者将朝着恢复自我控制迈出一大步。人类第一次可以利用双侧大脑植入，让截瘫患者控制两只机械臂，产生双手相触的感觉。解码大脑信号来控制手臂

Chmielewski是C6脊髓损伤患者。他的大脑是健康的，脖子以下的神经是完整的，但是肩膀以下瘫痪了，只剩下肩膀和手腕的部分残留功能。2019年1月，Chmielewski作为约翰霍普金斯大学脑机接口研究的参与者，通过10个小时的手术，在大脑两侧植入了6个微电极阵列(MEAs)。随后，研究人员一直试图通过不断的改进和训练，让他获得同时控制两个假肢的能力。

据悉，这项临床研究由美国国防高级研究计划局(DARPA)资助，由约翰霍普金斯大学物理医学和康复系(PMR)、应用物理实验室(APL)、神经病学和神经外科系合作，旨在研究能够帮助瘫痪和肢体残疾患者获得更多独立生活能力的技术。

该团队的主要方法是，将六个微电极阵列（MEA）分别植入到参与者的大脑两个半球中，其中一半在运动皮层中，另一半在感觉皮层中。

该团队的主要方法是将六个微电极阵列(MEAs)植入参与者大脑的两个半球，其中一半在运动皮层，另一半在感觉皮层。

众所周知，运动皮层是额叶的一个区域，是位于中央沟前方中央后回的一大块灰质，解剖学上称为“中央前回”，也称为“第一躯体运动区”。它是大脑皮层中参与规划、控制和执行自主运动的一个区域，主导身体各部分的运动。对这个区域的电刺激会引起运动反应。

感觉皮层负责接收和解释来自身体不同部位的感觉信息。从不同受体(例如伤害感受器和热受体)接收的刺激被转换成动作电位，动作电位可以沿着一个或多个传入神经元传递到大脑的特定部分。

在这个项目中，MEA可以绕过受损的脊髓，读取大脑产生的运动信号，刺激感觉信号。此外，这些mea还可以连接到机械臂(或其他效应器，如光标屏幕、虚拟效应器等)。)通过电线，从而允许来自大脑的神经信号向其他设备发送信息，反之亦然。

在实验中，研究小组植入的MEA允许计算机读取来自参与者运动皮层的信号，这些信号传达了运动意图。然后，计算机对这些信号进行解码，并将其发送到机械臂，这样参与者就可以像他的真实手臂一样控制它的运动。

此外，研究团队通过多电极阵列读取大脑信号的方法有助于开发一种机器学习算法，可以解码用户的意图，并将其转化为特定的神经信号模式，最终通过计算机转换来指导手臂的运动。随着Chmielewski对脑机接口进行更多的训练，算法“学习”他的想法，然后移动他的手臂，最终变得越来越熟练。

除了控制假肢，该团队还假设MEA还应该允许参与者使用神经信号来控制计算机上的光标或设置并向智能家居提供指令。双侧植入模拟触觉

尽管控制瘫痪肢体对于瘫痪者来说是一项开创性的工作，但这只能解决一半的问题。如果没有感觉的反馈，参与者控制的，实际上只是两只麻木的手臂。没有感官反馈，参与者很难使用正确的力量来拿起杯子，因此，触感可以让参与者无需看手臂就能知道手臂的位置。

虽然控制瘫痪的肢体对于瘫痪的人来说是一个创举，但是只能解决一半的问题。如果没有感官反馈，参与者控制的其实只是两条麻木的手臂。如果没有感官反馈，参与者很难用正确的力量拿起杯子。因此，触觉让参与者不用看就能知道自己手臂的位置。

与其他脑机接口不同的是，该团队不仅构建了一个可以读取神经信号并将其转化为运动的解码器，还在第一时间将MEAs植入大脑的两个半球，让参与者在独立控制左右机械臂的同时感受到手的触感。

该团队将MEA植入参与者的感觉皮层的目的是模拟这种感觉，这样当触摸假肢时，参与者将能够感受到这种触摸，并准确定位其位置。

当参与者想要移动他的手臂时，神经信号从他的大脑传播到计算机，然后传播到假肢。当假手指碰到什么东西时，微小的传感器会将信息传回他的大脑。对于参与者来说，即使信号向相反的方向流动，他仍然感觉自己在用真正的手触摸什么东西。

在接受采访时，Chmielewski说:“当他们(手臂)接触的地方发生变化时，我的感觉就不一样了。”“压力变化的范围，从喜欢有人握着你的手到用细砂纸摩擦手指”。

“我们的最终目标是让吃喝等活动变得简单，让机器人做一些工作，让参与者负责细节:吃什么，切哪里，切多大。”专门研究人机协作的APL高级机器人专家Handelman解释说，“通过将脑机接口信号与机器人技术和人工智能相结合，我们可以让人类专注于其他更重要的事情。”

APL神经科学家Tenore表示，下一步，这项工作不仅会增加参与者通过人机协作可以演示的日常生活活动的数量和类型，“此外，在执行这些任务时为他提供更多的感官反馈，使他不必完全依赖视觉来知道自己是否成功”。(摘自深度科技)(编辑/邹科)