星标“医工学人”，第一时间获取医工交叉领域新闻动态~
图1 MenstruAl平台
人手作为高度精密的工具，其无与伦比的灵巧性和多功能性源于多个手指的独立运动与高度协同的复杂模式。这种精细的控制能力使得人类能够执行从抓握重物到进行精细操作（如书写、使用工具）等各种任务。然而，对于因脊髓损伤、中风、肌萎缩侧索硬化症（ALS）或神经退行性疾病等导致的肢体功能障碍患者而言，手部功能的丧失或严重受损极大地影响了其日常生活质量和独立性。恢复其精细手部运动能力是当前康复医学面临的重大挑战，也是临床实践中最为迫切的需求之一。
传统的BCI系统在解码单一维度或简单运动方面已取得显著进展，例如简单的光标控制或手臂运动。然而，处理手部这种高自由度、非线性相互作用的复杂运动时，其解码精度和鲁棒性往往受限。这主要是由于手部运动固有的复杂神经编码机制：
1.高自由度问题
2.手指的协同与独立运动的动态平衡
3.语境依赖性编码
4.运动意图与运动执行的分离
1.精细化神经表征的捕捉与分析：
（1）多维度运动模式的全面覆盖：传统研究往往局限于单一手指的运动或简单的二维运动。该研究则通过设计多种手部姿态和动作（如独立手指的屈伸、两指协同、三指协同、全指协同等），全面捕捉了大脑对这些复杂运动模式的神经响应。这使得研究能够超越简单的二元分类，实现对手部精细动作的连续解码。
图2 单指运动的神经几何
（2）神经活动的时间动态特性分析：研究不仅关注静态的神经编码模式，还深入分析了神经活动在运动准备（prep）、运动执行（move）和保持（hold）阶段的时间动态特性。通过追踪神经元在不同时间窗口内的放电率变化，研究揭示了大脑如何在运动过程中动态地调整其编码策略。
(3)表现性解离矩阵（Representational Dissimilarity Matrix, RDM）与主成分分析（PCA）：论文中利用RDM量化了不同手指运动模式在神经活动空间中的相似性或差异性，直观地呈现了高级运动意图的神经编码结构。通过主成分分析（PCA），研究还揭示了神经数据的主要变异维度，这些维度往往与关键的手指运动模式（如屈伸对）高度相关。这些方法为理解复杂手部运动的神经表征提供了强大的分析工具。
图3 尝试的多指运动在神经活动中得到很好的体现
2.高性能解码模型的建立与语境依赖性编码的有效利用：
（1）线性与非线性模型的比较分析：研究采用了线性模型（如线性回归）和非线性模型（如基于双曲正切函数（tanh）激活的线性-非线性模型）来建立神经活动与手指运动之间的映射关系。通过比较不同模型的方差解释率和解码精度，研究表明，能够捕捉非线性关系的解码器（特别是线性-非线性模型）在解释神经活动和预测复杂手部运动方面表现出更高的性能。这证实了大脑对手指运动的编码并非简单线性叠加，而是存在复杂的非线性相互作用。
图4 同时运动的神经活动按照与线性总和一致的方向发展
（2）语境依赖性解码策略：这项研究的一个核心创新在于明确揭示并有效利用了大脑对运动的“语境依赖性”编码。研究通过设计对照实验，比较了在相同语境（如其他手指保持不动）和不同语境（如其他手指同时运动）下，单个手指运动的解码性能。实验结果证实，考虑手指间运动语境的解码模型显著提高了对手指运动意图的预测精度。例如，在“相同语境”下，拇指的解码准确率可达92%，而在“不同语境”下则为76%。这种“语境敏感”的解码策略是实现自然、灵活神经假肢控制的关键突破，因为它更符合大脑实际的神经编码方式。
图5 多指运动的整体神经活动幅度保持不变
（3）神经活动的时空特征利用：解码模型不仅仅利用了神经元在特定时间点的放电率，还考虑了神经信号在不同时间窗口内的动态变化，这进一步提高了模型的预测能力。
3.多模态运动学和动力学参数的有效预测：
（1）连续运动轨迹的解码：除了运动意图的分类解码，研究还成功地从神经信号中预测了手指的连续运动轨迹，包括屈伸幅度和速度等运动学参数。这对于实现更流畅、更接近自然运动的神经假肢控制至关重要，因为实际生活中的动作往往是连续的。
图6 伪线性表示对单个手指线性可解码性的影响
(2)线性模型权重的分析：通过分析线性回归模型中不同手指的权重分配，研究揭示了大脑如何权衡各个手指对整体运动的贡献。例如，拇指通常具有较高的权重，这与其在手部精细操作中的关键作用相符。这种对神经编码权重的量化分析有助于我们更深入地理解运动控制的神经基础。
图7 图示说明了伪线性求和如何解释手指的群体调节变化及其对神经表征强度的依赖性
1.高精度、自然神经假肢控制：
（1）精细动作恢复：患者有望通过纯粹的意念，实现对先进神经假肢的高度精细化控制，完成抓握不同大小和形状的物体、捏取细小物品（如硬币）、指向、甚至是写字等日常复杂任务。这将极大地提升瘫痪患者的生活自理能力和独立性，使他们能够重新参与社会生活。
（2）直观操作体验：通过直接解码大脑的复杂运动意图，神经假肢的控制将变得更加直观和自然，减少学习曲线和认知负担，使用户感到假肢是其身体的延伸。
2.个性化康复训练与神经可塑性促进：
（1）实时反馈康复：通过BCI系统提供实时、精准的神经反馈，患者可以直观地观察到其大脑活动如何转化为运动意图的解码结果。这种实时反馈机制能够帮助患者更好地理解和控制自身的神经活动，从而促进大脑皮层的神经可塑性，加速受损运动通路的重塑和功能恢复。
（2）超越传统康复局限：对于传统康复训练难以触及的重度瘫痪患者，BCI提供了一个全新的康复平台，使他们能够通过意念进行“虚拟运动”，刺激大脑运动皮层，维持神经元活性，防止肌肉萎缩。
3.新型诊断与评估工具：
（1）客观量化运动能力：对复杂手部运动神经编码的深入理解，可能为神经系统疾病（如运动神经元病变、帕金森病）的早期诊断、病情进展监测和治疗效果评估提供新的生物标志物和客观量化指标。通过分析患者在尝试执行手部动作时的神经活动模式，可以更早、更准确地发现神经功能异常。
（2）指导临床干预：精确的解码模型能够揭示个体大脑运动皮层的独特功能组织，为靶向神经调控（如经颅磁刺激TMS、深部脑刺激DBS）提供精确的定位依据，从而实现更有效、个性化的临床干预。
4.增强人机交互体验：
（1）新型输入设备：除了医疗康复，这项技术也可能在非医疗领域有广阔应用前景，如作为下一代人机交互界面。通过意念控制电子设备、计算机系统，甚至游戏，将彻底改变我们与数字世界的互动方式。
1.提升长期稳定性和鲁棒性：
（1）生物兼容性与信号衰减：长期植入的电极可能面临生物兼容性问题，导致信号质量随时间下降。需要开发更先进的生物材料和封装技术，以确保电极在体内长期稳定工作，并抵抗免疫反应。
（2）神经信号的动态性与适应性：大脑的神经活动模式并非一成不变，它会随着学习、疲劳、疾病进展等因素而动态变化。未来的解码算法需要具备强大的自适应性和鲁棒性，能够实时调整模型，以应对神经信号的漂移和变异。
2.小型化、无线化与微创/无创接口：
（1）设备集成度：目前的研究设备通常较为庞大，且需要有线连接。未来的发展方向是实现设备的微型化和无线传输，使其更便携、更易于集成到日常生活中。
（2）侵入性与风险：虽然侵入式BCI能够获取高质量的神经信号，但其手术风险、感染风险以及长期安全性仍是临床应用的主要障碍。探索更安全、更易于接受的微创（如皮层表面电极）或无创（如脑电图EEG、功能性近红外光谱fNIRS）BCI技术，同时努力提高其信号质量和空间分辨率，是扩大患者群体和普及应用的关键。
3.多模态信息整合与自然反馈：
（1）触觉与本体感觉反馈：仅有运动输出而无感觉反馈的假肢体验是不完整的。未来的BCI系统需要整合触觉和本体感觉（proprioception）反馈，使患者能够“感受”到假肢所触及的物体，或者“感知”到假肢的姿态和运动，从而实现更自然、更精准的闭环控制。
（2）视觉与听觉反馈：结合视觉（如虚拟现实或增强现实中的假肢表现）和听觉（如运动完成提示音）等多模态反馈信息，能够进一步提升用户的沉浸感和操作体验。
4.解码算法的智能化与个性化：
（1）深度学习与人工智能：将深度学习和人工智能技术应用于神经信号解码，有望进一步提升解码的精度和鲁棒性，特别是在处理高维、非线性神经数据方面。未来的算法将能够从海量数据中自主学习更复杂的神经编码模式。
（2）患者特异性优化：每个个体的神经编码模式都有其独特性。未来的BCI系统需要能够根据患者的个体差异进行算法优化和校准，提供高度个性化的解决方案。
5.伦理、隐私与社会考量：
（1）数据安全与隐私保护：BCI系统涉及敏感的神经数据，如何确保这些数据的安全存储、传输和使用，防止滥用，是必须解决的伦理问题。
（2）身份认同与“脑控制”：随着BCI能力的增强，可能会引发关于用户身份认同、自主性以及“脑控制”的伦理担忧。社会需要提前思考并制定相应的政策和法律框架，以负责任的方式引导技术发展。
（3）可及性与公平性：确保先进BCI技术的可及性和公平性，避免其成为少数特权阶层才能享用的技术，是社会发展中重要的考量。
参考资料：
END
撰文 | 刘瑄伦
编辑 | 周宇茜
审核 | 医工学人理事会
扫码添加医工学人负责人，进入综合及细分领域群聊（国内外医工交叉领域顶尖高校、科研院所、医院、企业等专家学者、硕博士、工程师、企业家等），参与线上线下交流活动
推荐阅读
医工简报 | 巨大威胁！美国眼中的中国生物医药；语言-衰减驱动网络实现机器人辅助胆管癌OCT诊断；超灵活的生物有机发光二极管贴片
点击关注医工学人
本篇文章来源于微信公众号: 医工学人
