腦機接口可以幫助重度殘疾患者恢復對外交流的能力，也是未來人機交互的新途徑。植入電極的侵入式腦機接口具有更高的通信帶寬，但開顱手術的廣泛創傷給這項技術的臨床應用帶來了障礙。近日，清華大學醫學院生物醫學工程系洪波課題組和解放軍總醫院功能神經外科合作，通過手術前的功能磁共振影像精準定位目標腦區，只用3個顱內電極實現了微創植入腦機接口打字，速度達到每分鐘12個字符，每個電極的等效信息傳輸率達到20比特/分鐘 。而2021年美國斯坦福大學腦機接口團隊基于運動腦區的神經信號實現了手寫字符高速識別，使用了192個微針硅電極，每個電極的等效信息傳輸率約為2比特/分鐘。

這項研究旨在探索最小化顱內腦電創傷的腦機接口方案，為未來能夠以最小的代價幫助重度癱瘓的殘疾人恢復與外界溝通的能力。該研究利用癲癇手術病人植入顱內電極探測癲癇灶的機會，準確獲取人腦視覺背側通路的MT腦區的腦電信號，通過自適應的機器學習算法，識別視覺注意力引起的MT腦電信號微弱變化，實現準確快速的字符目標檢測。研究成果以“Intracranial brain-computer interface spelling using localized visual motion response”為題，發表于神經影像頂刊NeuroImage。

背側視覺通路驅動的腦機接口

人類的視覺功能腦區位于大腦的枕葉和顳葉，這條從后往前的處理通路分成腹側和背側兩個路徑，腹側通路負責處理物體識別等靜態視覺任務，背側通路負責和空間位置相關的動態視覺任務。其中位于背側通路中顳區的V5/MT區域（圖1），被認為負責處理視覺物體的運動信息，這個區域的神經細胞的活動對于視覺刺激的速度與方向存在選擇偏好。

圖1 靈長類的視覺通路模型

理論上，這些MT神經細胞的活動需要用微電極記錄才能獲取，而神經外科臨床電生理監測通常只能獲取較大電極記錄的場電位信號，無法記錄到單細胞放電。由于大量的神經群體參與了相應的視覺運動信息處理，會在顱內甚至頭皮表面表現電位的微小變化，這種電位變化呈現有規律的時空模式，視覺運動刺激誘發的電位變化則被稱為視覺運動誘發電位，在頭皮腦電的典型表現是在刺激起始后200毫秒左右的負峰。視覺運動誘發電位的延時固定，而且響應幅度受到注意力的調制。因此，通過區分在注意和非注意情況下，視覺誘發電位的波形差異，我們就可以判斷受試注意的“焦點”，從而讀出患者的“想法”。該研究團隊基于這一原理，首先提出并實現了一種視覺運動刺激編碼的腦機接口打字系統，使用者只需要注視鍵盤上想輸入的目標，機器學習算法就可以通過分析視覺運動誘發電位識別出這個目標。為了進一步提升該系統的速度，團隊于2021年進一步開發了基于雙方向視覺運動刺激編碼的腦機接口打字系統（圖2），信息傳輸率提升了一倍，論文發表于IEEE Transactions on Biomedical Engineering。

圖2 雙方向視覺運動刺激編碼的腦機接口虛擬鍵盤

然而，頭皮腦電的信噪比較低，難以實現更高效率的通訊；電極接觸不可靠的局限也使得基于頭皮腦電的BCI系統難以長期穩定使用。近年來，美國斯坦福大學、加州大學舊金山分校等腦機接口團隊在基于顱內腦電腦機接口研究方面取得進展，這些研究使用的微電極陣列或者高密度ECoG電極都對大腦皮層造成很大創傷，長期免疫炎癥反應不可避免，因而一直沒有獲得FDA的批準作為長期植入設備。因此，如何構建一種能夠平衡通訊速率和侵入性的腦機接口系統，是腦機接口研究中的一個重要挑戰。該項研究針對這一挑戰，首先通過功能磁共振成像精準定位視覺運動區V5/MT，精選3個SEEG電極，構建了一個微創植入腦機接口打字系統。

功能磁共振影像精準定位V5/MT

人腦視覺運動腦區在空間位置上存在個體差異，因為長期病理改變和神經可塑性，病人之間的個體差異更大。這項研究的第一個難點是如何能夠在病人手術前精準定位視覺運動區。通過利用一個由運動光柵構成的fMRI定位范式，結合磁共振大腦結構像，在術前定位出每個受試個體化的視覺運動區（V5/MT）。術后通過與CT掃描數據配準，定位出具有最強磁共振功能響應的電極位點（圖3）。這項研究僅使用3個具有最優功能磁共振響應的電極點，結果證明功能磁共振個體化定位的電極顯著好于僅依賴解剖結構定位的電極點（圖4）。

圖3 功能磁共振定位個體化的視覺運動區

圖4 功能磁共振精準定位病人的視覺運動區和最優電極

信號增強與自適應解碼

精準定位了最佳電極之后，第二個難點是如何通過顱內腦電SEEG電極得到局部神經細胞的群體活動。SEEG電極不同與一般研究中用到的覆蓋在皮層上的ECoG電極陣列，每根電極導管一般有8-12個電極觸電，通過手術規劃插入到大腦靶點位置。視覺運動腦區V5/MT一般位于顳頂枕三個腦區交界的腦溝中，SEEG電極處在腦溝深處時，其周邊電場環境復雜，有效信號被污染。為了解決這一難題，研究人員采用了基于差分重參考的信號處理方法，消除大腦活動中的大尺度噪聲，成功提取高頻段的局部神經響應，使得視覺運動響應的信噪比和腦電解碼的準確率都有了大幅提升（圖5）。

圖5 差分重參考增強局部高頻神經響應

在腦機接口解碼中，不同病人的神經信號具有較大的個體差異，甚至同一病人不同時間的信號都會有差異。因此，固定參數的機器學習解碼無法適應這一挑戰。該項研究設計了一種基于后驗概率的自適應算法，很好解決了準確率和打字速度的平衡問題，從而實現最優的信息傳輸率。基于這個算法的在線打字實驗中，一名病人達到了最高12字每分鐘的打字速度。按照3個電極折算，每個電極的等效信息傳輸率超過了20比特/分鐘。

微創無線腦機接口進入臨床

盡管基于SEEG的微創腦機接口方案使用電極數目較少，卻仍然需要穿過硬腦膜，破壞大腦內環境。清華醫學院腦機接口團隊提出了微創植入的腦機接口方案，體內機嵌入在顱骨中采集和處理腦電信號，電極可以伸展到顱內任何腦區；體內機無需電池，隔著皮膚與體外機耦合供電并無線通訊，實現腦電信號讀取和刺激信號寫入的雙向腦機接口通訊。該方案不同于美國研究團隊的BrainGate和Neuralink方案，全無線傳輸、避免感染、不破壞腦內環境，在信號質量和侵入性之間達到很好的平衡。該團隊與博睿康科技合作研發的無線微創腦機接口設備已經定型送檢，預計今年年底開展小規模臨床試驗。

圖6 無線微創植入腦機接口NEO系統 清華大學醫學院洪波研究員為該論文的通訊作者，清華大學醫學院博士生劉定坤、解放軍總醫院功能神經外科徐欣為論文共同第一作者，解放軍總醫院功能神經外科凌至培、余新光等作為共同作者參加了合作研究。

論文鏈接：

https://doi.org/10.1016/j.neuroimage.2022.119363

審核編輯 ：李倩