有朝一日，佩戴假手的残障人士将可以弹钢琴了！这归功于能读入并利用人脑中微弱控制信号的植入式器件。前不久，在法国里昂举行的IEEE生物工程会议上，研究者们报告了在神经技术领域的进展，以及提供这种能力尚需解决的一些障碍。

“在人工肢体(假肢)领域正在发生着一场革命，许多机械问题正在得到解决。”美国约翰霍普金斯大学生物医学工程教授Nitish Thakor在一次有关神经系统的讨论会上表示，“要实现人工肢体的实时控制，现在面临的挑战是如何把人工肢体链接到神经系统。”

据密歇根大学研究学者Daryl Kipke估计，神经假体的市场总值约为28亿美元，在本次会议上，他介绍了在新型微阵列电极(用于监视和控制大脑的功能)方面的工作。

为了推动假肢在机械方面迅速取得进步，国防部高级研究计划署(DARPA)给予了资金支持。想从大脑中捕获控制信息以便驱动机械设备，这就增加了对更好的电极、电子技术和算法的需求。

“完整的假手系统是一个涉及众多领域的巨大研究课题。”Thakor指出。他介绍了基本肢体功能的控制算法方面的新进展，比如，利用头皮帖附式脑电图监控器上所获得的信号拿起一只玻璃杯。更精细的控制(如弹钢琴)则需要借助于植入到大脑中的高性能神经微阵列传感器——这种传感器已在开发中。

“神经技术目前的发展势头与心脏技术在20或30年前的状况类似。”Kipke说。“随着对大脑各个部分理解的深入，人们将定义出大脑与计算机间的接口。”

Thakor透露，在把单个手指的屈伸运动与来自大脑运动皮层M1区中少至30个神经元的信号关联方面，他的小组已经能够达到99%的准确度。“但为了控制更复杂的任务及多个手指，我们还将需监控更多神经元。”他指出。

包含多达128个电极的头皮贴附式脑电图传感器的区分能力仍然不够，无法把原始资料分成用于单独手指的多个控制信号，Thakor表示。

“对于多个手指的屈伸运动，脑信号与屈伸运动之间似乎不存在明确的线性关联。数据完全搅合在一起。”他指出，“所以，我的看法是把这个难题交给数学算法，因为电气问题太令人畏惧了。”

研究者们正在使用各种贴附式和植入式器件，来读出和分析频率在1Hz-10kHz范围的脑信号。

“这些技术中哪种技术最好？这将会成为今后几年人们争论不休的话题。或许这些技术都是可行的。”Thakor认为，“最终要确定采用那种技术，将需要综合考虑伦理、外科和临床等各方面的问题，尽管作为工程人员，我们可能会把信号质量作为选择的依据。”

对于植入技术，一个关键的问题是捕获信号的能力能提高多少。电极阵列目前已广泛用于在动物体内短期工作，但研究者们认为这些器件改进后将能在人体内长期使用。

“我认为我们能够跨越这个障碍。”密西根大学的Kipke说，“要把该技术转变成临床应用，关键是把大脑-计算机接口从学术研究转变成商业化的技术。”

Kipke同时还是NeuroNexus Technologies公司的首席执行官，这家新兴公司三年前从他的研究中心分离出来，目的是开发在人体中使用的硅微阵列。另外，该公司在18个月以前还开始开发基于聚合物的微阵列。

图： 透过神经微阵列，纤薄的电极阵列能深入大脑组织，并连结到头皮贴附式脑电仪下的信号处理模块。

用于人体短期诊断使用的产品将在一年之内进行测试，Kipke说，但用于长期植入的微阵列来说，还需花更长的时间才能进入市场。

其它一些新创公司也在开发类似的阵列，其中包括Northstar Neuroscience公司和Neuropace公司。

微阵列开发商需要找到多种方法，以便减少这些阵列在植入大脑组织中时对细胞和免疫系统的造成的损害。

Kipke的小组已经开发出一种快速插入的方法，能最大程度地减少细胞撕裂所产生的细胞碎片以及化学药物释放造成的生理反应。该中心正在向一些神经外科医生培训阵列插入技术。

另外，研究者们在可释放化学药物的植入阵列方面也取得了进展，这些药物可抑制免疫系统对植入阵列的生理反应。这些生理反应通常会产生把植入阵列包裹起来的细胞，因而将降低植入阵列的性能。

Kipke的小组也在开发更高效的阵列结构，其宽度只有50微米且包含厚度4微米左右的网格结构。他们正在把这些设计转化成原型以便进行评估。

植入阵列能记录有用信息的时间长度范围很大，从一天到一年。然而，一些研究者已在植入猴脑中的阵列上得到长达两年的连续纪录。

Kipke认为，要实现长期使用，一个关键问题是最大程度地减少大脑表面出血。“我相信一定可以找到解决方案，但我还不确定到底将是什么样的方案。”他说。

链接到植入阵列的信号处理芯片无法在有限的功率预算下提供稳固的实时性能。

比萨圣安娜大学是意大利的一所公立大学，该学校生物医学工程教授Maria Chiara Carroza阐述了其正在开发的假肢对子系统的要求。“我们需要在70毫秒的窗口时间内做出决策，所以我们需要真正高速的控制器。”她说。

性能要求将只会变得更为苛刻，加州大学洛杉矶分校(UCLA)电气工程系的研究学者Shahin Farshchi指出。神经工程师希望能得到可支持多达100个通道、采样速率达10,000Hz、以及能提供最高12位分辨率的系统。

研究者之所以要求这样的性能，是因为他们必须使用统计方法来分析大量人群的神经元所做出的反应。这是因为任何特定的行为似乎都是针对神经细胞群在多种不同模式时发出的信号而做出的反应。

“我们可能需要捕获几千个神经元同时发出的信号，这超出了我们目前的能力。”弗罗里达大学神经修复学教授Justin Sanchez指出，“大脑并不会对几次尝试信号求平均值来确定一个响应。”Sanchez帮助组织了其中的一个专题讨论会。

Sanchez做了有关回声状态网络(一种神经网络)的使用报告，利用该网络，他们把所感知到的神经模式和实际行为之间的关联性提高了15%。

UCLA的Farshchi介绍了他参与创建的一种传感器网络，可处理并以无线方式传输动物脑信号。该网络使用了Chipcon公司的CC1000 916MHz无线电模块和Atmel公司的微控制器和闪存芯片。

该网络的功耗为100mW左右，这大大低于多数数字设计，但高于与之竞争的模拟方案。

“最高境界是将其当作一种传感器微粒来使用，但除非我们能降低功耗，否则无法实现。”Farshchi表示。该设计目前要求使用一只AA电池，但该小组希望能做到在一枚纽扣电池下工作。

神经系统需要对什么信息进行分析？这仍是一个基本的但仍需讨论的问题。一些研究者要求对来自假肢的传感器反馈进行处理以帮助决定其动作。

圣安娜大学的Carroza 指出，今天的研究者缺乏足够的有关触觉(难以定量化)的数据，时下的传感器只提供力数据。

对数据来源的争论凸显了神经工程中的一个基本矛盾，Sanchez表示。他指出，该领域包含了采用自底向上方法来收集数据的神经科学家、以及采用自顶向下方法来发现可在系统设计时提供帮助的数据抽象(data abstraction)的计算机科学家。

两个小组看待同样的问题时分别站在了不同的角度，从分子、神经突触、以及神经元，到神经丛、神经网络、以及映像。

“现在面临的挑战是，需要找到一种方式把不同级别的抽象统一起来。”Sanchez说。

麦利