机器学习助力神经科学，让瘫痪人士重拾活动能力

瘫痪影响许多人的生活，原因与大脑和肌肉之间信号通路受阻有关。过去几年中，我们已经看过瘫痪病人在体外骨骼的辅助下开始行动。这种方法是将已有的神经活动转化为例如机器手臂之类辅助设备的控制信号，以此控制辅助设备活动。这类系统也被用于非人类灵长类动物瘫痪肌肉的激活活动中。

2010年6月13日，大学新生Ian Burkhart和朋友在海里玩时，跳入了错误浪头，被浪摔打到浅沙堤，折断了第五颈椎，立刻瘫痪。他无法感觉到自己的胳膊或腿。情况稳定后，Burhart和家人回到了位于俄亥俄州哥伦布的家中，并在俄亥俄大学开始了自己的康复治疗。Burkhart后来获悉，一支本地团队正在为损伤的脊髓开发一种神经技术旁路，团队由工程师Chad Bouton和神经外科医生Ali Rezai领导。他们的神经假肢技术会直接将大脑与胳膊肌肉连接起来，让瘫痪人士重新控制自己的肢体。他们需要被试，于是，Burkhart成了完美人选。

2014年4月， Rezai 和Feinstein Institute 的Chad Bouton 以及同事们将豌豆大小的一排微电极阵列（100个）植入Burk大脑负责运动控制的运动皮层。另外，团队也研发出带有电极的袖套，电极会刺激控制特定手与指头运动的肌肉，让手部活动起来，比如，捏或者抓。

接入了神经旁路后，Burkhart 开始训练计划，学习用自己的思维控制电极袖套。首先，他需要观察屏幕上虚拟示范：握紧手然后打开，然后在大脑里想象这个动作。这一脑部活动记录会被输入电脑，电脑用算法将这些信号翻译出来后再传输出去，以此控制电极袖套。Bouton的团队使用了机器学习算法解码预示每一个举动的大脑活动。以预设的顺序让电极袖套重新激起相应的手部活动。「我们运用了机器学习算法解码神经元活动，通过一个定制的高分辨率的神经肌肉电刺激系统，来控制激活受试的前肢肌肉活动。」六月，Burkhart可以活动起自己的前肢和手腕。接下来的几个月，他学会了动手指。

Burkhart的训练频率是每天4个小时，一周2-3次，训练还需持续几年。现在，他可以打开并合拢手，拿起瓶子并将里面的东西导入杯子，用棒子搅动杯子里的东西。