NSR：清华李路明团队报道一种全植入式脑机接口的临床应用进展

脑深部刺激（Deep Brain Stimulation，DBS）是一种临床广泛应用的神经调控方法，它通过神经刺激器向靶点核团施加电刺激，从而达到治疗疾病的效果，已成为运动障碍类疾病（如帕金森病、肌张力障碍）的主要外科治疗手段，也是许多神经精神类疾病的潜在治疗方法。

当前，新一代的具备感知功能的神经刺激器可以在刺激的同时记录触点附近的局部场脑电信号，为长期探索脑深部核团的运动信息提供了可能，成为一种全植入式的双向脑机接口平台。

清华大学李路明教授团队在多年的研究基础上，研制出了一款可进行实时蓝牙传输的神经刺激器，该刺激器能够在植入后同步采集多通道的局部场电位信号，并通过蓝牙传输的方式传送至体外分析平台。最近，研究团队开展了临床试验，以一名帕金森病患者作为被试，以丘脑底核为植入靶点，在被试完成DBS手术14个月后进行了脑机接口实验。该研究以丘脑底核局部场电位信号的运动信息为驱动，利用神经刺激器蓝牙传输的特点，实现了多平台信号的同步分析，进而了实现了基于丘脑底核运动信息的脑机接口控制范例。这是在已知研究中首次实现的基于脑深部核团局部场电位运动信息的全植入式脑机接口。

如上图所示，具有感知功能的脑深部刺激器在植入人体内后，可在进行刺激的同时，实时地采集脑深部核团的局部场电位信号，并通过蓝牙传输至体外数据平台。通过同步通道的设置，可以同步记录来自脑深部核团的信号、体表肌电信号等生理信号，以及屏幕显示指令，并实现精确的信号分析。

该研究首先解析了深部核团局部场电位的运动信息。在前期每次试验中，受试者按照屏幕提示进行上肢运动（反复伸掌-握拳），下肢运动（脚尖拍地）或静止放松三种任务中的一项。

随后，研究人员根据这些信息建立机器学习模型，建立起脑信号与被试动作状态之间的联系。机器学习模型仅利用脑深部核团的局部场电位信号，识别每100ms的运动状态，经过反复调整和测试，模型的总准确率达到了89.85%。

之后，研究人员利用这个机器学习模型进行了模拟轮椅控制的实时在线运动脑机接口实验。实验中，受试者通过不同的运动任务控制屏幕上的模拟轮椅移动到指定区域。其中，上肢运动的持续时间决定轮椅的转向，下肢运动时轮椅加速前进，静止放松时轮椅也停止运动。为尽可能模拟实际情况，研究人员将屏幕中的轮椅尺寸（红色方块）、运动速度和活动范围（白色区域）都按照实际生活中的常见值进行了等比例映射，实验任务相当于在9m×12m的空间内以最快1m/s的速度控制一台轮椅达到指定区域（绿色区域）。结果显示，在21次实验任务中，受试者的成功率为76%，平均完成时间为63秒。

这项研究证明，带有感知功能的神经刺激器具有作为全植入式脑机接口的巨大潜能。后续研究可继续探索各种行为和生理状态，如想象运动、睡眠模式和潜在的情绪等状态的解码。站在神经调节和神经解码的交叉点，带有感知功能的神经刺激器已经打开了进入大脑深处的长期窗口，并且将在很大程度上推动闭环脑机接口的临床应用。

https://doi.org/10.1093/nsr/nwac099‍