（图片来自pixabay.com）
美国加州大学旧金山威尔神经科学研究所的一项重大研究进展表明，机器学习技术可以帮助瘫痪患者学习使用大脑活动来控制计算机的光标，而不再需每天进行大量的训练。而这种训练，对于过去所有脑机接口技术（BCI）是必须的。该研究于当地时间9月7日发表于《自然生物技术》杂志。
文章作者、医学博士、加州大学旧金山分校神经学系副教授Karunesh Ganguly说：“近年来，脑机接口技术领域取得了很大进展，但由于现有系统每天都要重新设置、校准，它们无法利用大脑的自然学习过程。我们需要调整机器学习系统，使之适应大脑复杂的长期学习模式，这是以前从未在瘫痪患者身上尝试过的。”
“即插即用”性能的实现证明了ECoG电极阵列在BCI应用中的价值。一个ECoG阵列包括一个小体积电极垫，可以通过手术将其放置在大脑表面。它可以长期、稳定地记录神经活动，并已被用于癫痫患者的癫痫发作监测。
在这种情况下，作者为瘫痪受试者植入ECoG阵列，以测试其作为长期、稳定的BCI植入物是否具有安全性和有效性。
Ganguly团队记录了在一个四肢瘫痪的患者中使用ECoG电极阵列的数据。在这项研究中，该患者通过植入物来控制屏幕上的计算机光标。
Ganguly说：“我们发现可以通过确保算法的更新速度不超过大脑的速度来进一步提高学习能力。我们认为这是试图在大脑和计算机这两个学习系统之间建立合作关系，最终让人工界面成为用户的延伸，就像他们自己的手或手臂一样。”
研究人员说，随着时间的推移，受试者的大脑能够放大神经活动的模式，从而通过ECoG阵列最有效地驱动人工界面，同时消除效率较低的信号。 “一旦用户建立了控制界面解决方案的长期记忆，就不需要每次都重置。大脑很快就会找到同一个解决方案。”
一旦专业知识建立，参与者便可以在无需重新培训或校准的情况下自主使用该界面。在没有再培训的情况下，受试者的测试成绩在44天内没有下降，甚至在连续几天不练习的情况下，测试表现也几乎不会下降。
实现“即插即用”的BCI一直是该领域遥不可及的目标，因为大多数研究人员使用的“枕式”电极会随着时间推移而移动，从而改变每个电极显示的信号。而且，由于免疫系统的排斥，这些电极的信号会逐渐被削弱。
ECoG阵列的灵敏度不如传统植入物，但其长期稳定性似乎可以弥补这一缺点。ECoG记录的稳定性对于更复杂的机器人系统（如假肢）的长期控制可能更为重要，这是Ganguly下一阶段研究的关键目标之一。
