上周,纽约时报报道了首例四肢瘫痪患者“四肢复活”的成功案例。24岁的伊恩·伯克哈特(Ian Burkhart)十几岁时在一次跳水事故中摔断了脖子。他的脊椎在第五颈椎处受损，使他从肩膀以下瘫痪。通过神经旁路技术，将他的想法直接传递到他的手部肌肉，他已经恢复了对右手和手指的控制。

这个系统有效地绕过了他的脊髓损伤。这是第一次使用脑机接口来帮助人们移动自己的手。这项研究发表在杂志上自然，并解释了如何机器学习和MATLAB在这个项目中使用。

这一重大突破是多年研究和交叉学科项目的结果。工程师、生物工程师、神经科学家和外科医生为原型医疗系统和临床研究做出了贡献。设备,称为NeuroLife，发明于巴特尔研究所．巴特尔的工程师与来自俄亥俄州立大学韦克斯纳医学中心制定研究方法并进行临床研究。

2014年，俄亥俄州立大学的外科医生在伊恩的大脑中植入了一个芯片。的犹他州阵列芯片从贝莱德微系统公司由96个微电极传感器组成，记录单个神经元的放电。研究小组使用脑成像技术来识别和分离伯克哈特大脑中控制手部运动的部分。在手术过程中，研究小组反复测试暴露在外的脑组织，以确定芯片的正确位置。

96微电极犹他阵列。图片来源:麻省理工科技评论

手术后，伯克哈特花了好几个小时看着屏幕上的一只手的化身，专注于做这个动作所需的思想。在这些过程中，他的大脑活动被记录和分析。目的是了解他大脑中的哪些信号与他在心理上模仿的手部运动相对应。

他大脑中的放电模式被传送到电脑并记录下来。这需要大量的数据。每秒钟会收集300万个神经活动样本。运动皮层的神经元每三分钟产生大约1g的数据。

研究人员使用机器学习来解码这些模式。通过重复，发射模式被分析，并用于开发一个算法来控制他的手的肌肉。几乎每一次训练后，算法都会进行调整。机器学习辅助了重新校准，因为伊恩的思维适应了动作和仪器。

MATLAB在这个项目中是如何使用的

来自《自然》杂志:

这些数字化的数据随后被传输到个人电脑上，电脑对这些数据进行解码，以确定哪个动作是想象出来的，然后对其进行编码，以唤起前臂肌肉的所需反应。计算机与定制的高清神经肌肉电刺激器(NMES)进行通信，后者驱动环绕前臂的电极套筒。

“信号处理以及解码/控制算法都在使用MATLAB的个人计算机上运行。神经港的数字化数据每100毫秒处理一次"

电脑解码了来自大脑的信号，并将其转换成特定的动作。该团队使用了一种NMES袖，对他的手部肌肉施加电刺激。该套筒有130个电极，安装在皮肤表面，通过伊恩的手臂传递信号，激活他的肌肉。

经过一年的训练，伊恩能够通过重复学习如何从瓶子里倒酒，并搅拌杯子。他还学会了玩吉他电子游戏!

还需要更多的工作

• 首先，这个系统是不可移植的。Neuroport需要与计算机直接连接。此外，产生的数据量超过了目前的无线能力。为了真正增强独立性，需要一个无线系统。
• 可以完成的动作也有限制。植入物只监测运动皮层中多达96个神经元。对于复杂的手部运动，人们使用的神经元远远不止100个。在未来的研究中，该团队计划增加电极的数量。
• 传送电脉冲以刺激前臂肌肉的套筒可能也需要调整。目前需要通过皮肤传输的电压水平可能会干扰大脑中记录的信号。在未来，研究人员可能会将电极植入前臂，以降低所使用的电压。

这项技术固然令人惊叹，但我不得不说，我同样为这位勇敢的人感到惊讶，他愿意投入如此多的时间和精力，试图进一步研究和帮助他人。伯克哈特同意接受多次脑部手术，尽管他知道这种回收的机动性只是暂时的。该系统只能在他在实验室时工作，芯片将在今年夏天晚些时候被移除。他们希望创建一个系统，能够帮助像伊恩这样的人在日常生活中获得独立。

“……即使这是我一辈子都无法带回家的东西，我也很高兴有机会参加这项研究……我知道我也做了很多工作来帮助其他人。”伊恩·伯克哈特在接受《自然》杂志采访时说。

荣誉,伊恩。