科學家發(fā)明了一種可以分析四肢癱瘓患者大腦活動的深度學習算法。該算法已被用于向患者的前臂肌肉傳遞電刺激，從而恢復肢體的運動功能。

慢性癱瘓患者的生活質量可通過腦機接口加以改善。腦機接口可將控制運動的中樞神經(jīng)系統(tǒng)回路和輔助設備（例如計算機光標或機器人設備）連接起來。近來，腦機接口已被用于繞過脊髓損傷，直接通過肌肉刺激恢復癱瘓肢體的功能。雖然這種方法前景可觀，但要實際應用仍面臨一定障礙，比如需要準確快速地響應，能夠提供多種功能以及根據(jù)需要進行有效的日常重新校準。

美國俄亥俄州巴特爾紀念研究所的Michael Schwemmer及同事用兩年時間收集了四肢癱瘓患者執(zhí)行“想象的”手臂和手部運動時的皮質腦活動記錄。他們向患者運動皮層植入微電極陣列，通過侵入方式長期收集患者大腦活動信息。這些微電極以高時空分辨率直接采樣神經(jīng)元活動。根據(jù)這個大型數(shù)據(jù)集，他們使用深度學習方法開發(fā)了一種腦機接口解碼器，可以準確、快速而持久地運行，并且會學習新功能——基本不需要再訓練。研究人員在近日在線發(fā)表于《自然—醫(yī)學》的報告中表示，該解碼器可用于控制電刺激設備，實時恢復患者癱瘓的前臂活動。

他們指出，雖然示例患者可以使解碼器抓取和操縱物體，但這種方法是否適用于其他患者，是否支持更長久的實際應用，還有待進一步的驗證。他們表示，未來的研究應該調(diào)查是否可通過實際應用中產(chǎn)生的訓練數(shù)據(jù)而非在受控的實驗室條件下獲得的訓練數(shù)據(jù)生成類似功能的解碼器。