硬膜外无线脑机接口控制的外骨骼假体应用于四肢瘫患者

法国格勒诺布尔大学的Alim Louis Benabid等通过半侵袭性技术测试使用脑信号驱动外骨骼的可行性研究，结果发表在2019年12月的《Lancet Neurol》上。

——摘自文章章节

【Ref: Benabid AL, et al. Lancet Neurol. 2019 Dec;18(12):1112-1122. doi: 10.1016/S1474-4422(19)30321-7. Epub 2019 Oct 3.】

研究背景

约20%颈髓外伤导致受伤者四肢瘫痪。科学家正在开发神经假体来改善其生活质量。法国格勒诺布尔大学的Alim Louis Benabid等通过半侵袭性技术测试使用脑信号驱动外骨骼的可行性研究，结果发表在2019年12月的《Lancet Neurol》上。

研究方法

研究者在该大学电子和信息技术实验室招募年龄18～45岁、神经功能缺损而病情稳定、非卧床或住院监测的、有强烈运动需求的患者，并已注册于法国社会保障系统和签署知情同意书者。排除脑部手术史、抗凝治疗史、神经心理学后遗症、抑郁症、药物依赖或滥用史和有脑磁图（MEG）、EEG或MRI检查禁忌证者。最终，纳入1例28岁男性患者，患C4-5脊髓损伤后四肢瘫痪。研究者采用两个可植入无线记录系统（WIMAGINE），置于双侧硬膜外；每个系统有64个电极植入大脑肢体感觉运动区。硬膜外脑电图（ECoG）信号通过自适应解码算法在线处理，将指令发送到虚拟化身或外骨骼假体效应器（图1、2）。在24个月研究过程中，患者接受多种心理训练，以逐渐增加自由度。

图1. 实时自适应学习策略示意图。A.研究者的指令传达给患者，建立心理运动程序，在感觉运动皮质中产生神经电活动。WIMAGINE将该活动记录为硬膜外ECoG数据，并发送到解码器。ABSD软件分析数据并生成对驱动电动机和移动化身的命令。反复使用自适应模型学习和实时应用程序，同时为患者提供视觉反馈（红色箭头）和校准阶段向解码器提供运动学习反馈（红色箭头）。对初始记录周期的分析产生第一解码模型。随着患者训练任务完成，该模型进行每10-15s迭代更新。最终模型可以在线350毫秒内预测任务的特定功能。当认为预测结果适当时，研究者终止模型的构建，投入使用。B.当患者建立心理运动程序诱导运动时，最终模型实时在线解码由感觉运动皮质产生和WIMAGINE记录于硬膜外ECoG的数据。解释所需的动作，并生成命令后，将其传达给效应器，如外骨骼的电动机，从而相应地开始移动肢体。为所产生的动作为患者提供视觉反馈，使患者在执行下一个动作时可以调整其心理程序。

图2. 感觉运动区皮质定位、靶点设计和手术情况。

研究结果

结果发现，在2017年6月12日至2019年7月21日间患者皮质执行模拟步行程序，并在各种触碰任务和手腕旋转过程中，以8个自由度进行双手、多关节和上肢运动；在家里使用虚拟化身的成功率达64.0%±5.1%，在实验室使用外骨骼的成功率达70.9%±11.6%。与微电极相比，硬膜外ECoG为半侵袭性，但效率相似。解码模型在7周内可重复使用，无需重新校准。

结论

研究结果表明，通过持续联网的硬膜外ECoG解码的脑机接口系统，可以24个月的长期学习和激活四肢瘫痪患者的神经外骨骼假体；个性化模型可以同时控制多达8个自由度。在7周内重复使用而无需重复校准。