47、刺激神经元可让人凭空产生感觉（1） ...
-
全世界宣称自己研究的脑机接口的实验室可能有几百个，但他们的研究内容可以非常不一样，下面的讨论就是帮助你确定自己想要研究的脑机接口究竟是哪个方面。你需要根据自己的想法来选择与之匹配的实验室。
脑机接口，英文名为Brain-Computer Interfaces（简称 BCI ）或Brain-Machine Interfaces（简称 BMI ），它是脑与机器进行信息交流的媒介。更大的概念是，神经接口（neural interfaces），它泛指所有能够实现神经系统（除了脑，还有脊髓和外周神经）与机器交流的设备。
从信息传递的方向来看，脑机接口的功能可以分为两种：“读”（脑 →机）与 “写”（机 →脑）。其中，“读”包括：
物理上的“读”——对神经信号的记录（神经记录，neural recording），可理解为“读取”；
数学上的“读”——对神经信号的解码（神经解码，neural decoding），可理解为“解读”。
（1）神经记录
神经记录的目标就是记录脑中神经元的全部信息（主要指电信号），具体来说，这个要求可以分解为以下几点：
高时间分辨率。两个动作电位之间最小时间间隔为1毫秒，如果要记录是否动作电位有或无，至少需要毫秒级别的时间分辨率；如果要记录动作电位产生和消失的完整过程，那么时间分辨率要求更高。记录电信号的技术（单电极、电极阵列、皮层电图 ECoG、脑电图 EEG）时间分辨率都很高，记录磁信号的脑磁图 MEG 也可以达到高时间分辨率。但功能性核磁共振 fMRI 和功能性近红外光谱技术 fNIRS 的时间分辨率非常低（秒级别），因为它们记录的不是电信号，而是间接反应电信号的血氧水平依赖的代谢信号，即BOLD信号。
高空间分辨率。一般的神经元的胞体大概有50微米，要记录单个神经元的电活动，电极需要足够细。能做到这一点的是尖端极细的钨丝电极或电极阵列，而 ECoG 和 EEG 电极太大，单个电极记录到的可能是上百万个神经元混杂在一起的信号，fMRI 和 MEG 的体素（最小单位）大小为立方毫米级别，因此一个体素可能是十万神经元混杂的信号。
大范围。要看全脑的反应，可以用fMRI、MEG、EEG，但显然这些技术都看不到单个神经元的活动。既要看的范围大（“广角镜头”）又要不减少细节（“高分辨率”），那么需要发展高带宽（“高像素”）的神经记录技术。要实现这个目标，可以增加电极的数量（但电极过多，对脑组织造成的损伤越大），或者增加单根电极上的记录位点的数量（即通道数）。目前NeuraLink可以记录 3,072 个通道（Musk, 2019, JMIR[1]），Neuropixel 2 能达到 5,000 个通道（Steinmetz et al., 2021, Science[2]），Argo 更是达到惊人的 65,536 个通道（Sahasrabuddhe et al., 2021, JNE[3]）。但 Neuropixel 除了啮齿类动物的大脑外，仍不能覆盖猴子或人类的大脑，最多就是覆盖几个相邻的脑区。而且能用得起 Neuropixel 的实验室也是少数，因为成本太高了。据说 Neuropixel 要价几十万，而上千通道的电极阵列则更是贵得离谱的百万。。。（同志们，这是创业的好机会！）。另一种思路是将电转为光的信号进行记录。目前双光子钙成像的方法一次性观察上千个细胞，但缺点是双光子能够观察的深度范围有限。
长时间。侵入式的记录方法最大缺点就是会造成组织损伤，并且引起机体的炎症反应。可能花大钱、辛辛苦苦做开颅手术埋植进入的电极在几个月后就收不到神经元的信号了。缓解这个问题的一种方法是改进电极的材料，让电极变得柔软，这样的电极可以使用注射器到组织中并展开成一个网，叫做网状电极或柔性电极（如下图所示,来源：Liu et al., 2015, Nature Nanotechnology[4]）。据说 NeuraLink 也是受此启发而做成 thread 电极的。此外，由于安全问题，侵入式的方法基本不能在健康的人类被试上做，只能在需要进行开颅手术治疗的病人中试验、或者患有严重瘫痪的病人甘愿冒险一试。
由于神经记录技术对神经科学的进步具有重要意义（毕竟巧妇难为无米之炊），而它又那么地不完美，因此美国脑计划就把着力点放在开发能够记录大脑全部信息的技术上。而这需要纳米科学、材料科学与工程技术上的进步。好消息是，在这方面有不少华人的身影，特别是做柔性电极的纳米科学的大牛Charles M. Lieber（近两年被FBI调查。。）的华人学生们，如方英、洪国松等。
可通过直径小至100 μm的针头注射并展开的亚微米厚网状柔性电极
（2）神经解码
在物理上读取神经信息之后，需要对信号进行处理以提高信噪比（这属于信号处理的内容），更重要的是，需要数学上读懂神经信息。然而这又是另一个大难题，而且这不仅是脑机接口的问题，而且是整个认知与系统神经科学的问题。
在神经科学中，为了了解一个认知过程的神经机制，科学家需要相互配合。
首先，认知神经科学家通过设计精巧的、能够分离出待研究的认知过程的行为范式，并使用 fMRI、MEG 等技术大致定位该认知过程发生的脑区。
接着，系统神经科学家在动物上使用侵入式方法，在认知神经科学家发现的候选脑区中记录单个神经元或神经元群体的电信号，然后分析这些数据、研究神经元动力学及其对认知过程的编码。
但目前除了对高维神经数据进行降维外，缺乏更有效的分析手段，因此大家对神经编码的过程仍然不甚了解。但即使这样，仍然有办法进行神经解码。那就是通过机器学习方法对神经数据中的模式进行识别，用黑箱对抗黑箱，用魔法打败魔法。。。
神经解码的质量依赖于原始信号的信噪比，譬如采集的信号是 EEG，那么解码的信息不可能过于复杂，这可以应用于简单的情景，譬如控制轮椅的前后左右运动和停止。如果要求精细的控制，譬如机械手指的控制，那么可能需要使用电极阵列这类高空间分辨率的方法。另外在要求低时延的场景中，还需要考虑解码算法运行的速度。因此，神经解码的进步需要依靠算法层面上的研究。
当神经信号被解读出来后，就可以输出到机器中或用于控制机器。如果解码的是运动信息，那么就可以让截肢或瘫痪的人指挥机械义肢或电动轮椅进行运动（如下图所示，来源 Rajangam et al., 2016, Scientific Reports[5]）；如果是解码的是语音信息，那么就可以让不能发声的中风病人通过音响发出声音（具体可以了解 Edward Chang 实验室的工作）；如果解码的是视觉信息，那么就可以让被试（譬如植物人）的想象或者梦境（Horikawa et al., 2017, Nat. Comm.[6]）通过屏幕投影出来……这方面的研究更多的看研究者的脑洞有多大。
猴子通过脑机接口控制轮椅运动
广义地来说，做认知神经科学和系统神经科学的实验室都可以认为是做脑机接口的，但由于大家的兴趣点主要在理解神经机制而非应用，因此并不宣称自己是做脑机接口的。而有一类被称为人机交互（human-machine interaction）的实验室，他们兴趣点在于将已知的神经科学知识转为实际场景中的应用，因此他们会宣称自己是做脑机接口的。
（3）神经调控
以上只是脑机接口通过“读”所实现的功能，更强大的是，脑机接口还能“写”，这将改变神经网络的结构及其认知功能。这种技术在神经科学中被称为“神经调控”（neural modulation），它能像控制电灯的开/关一样，控制神经元的状态（激活/抑制）。
如果脑机接口兼具神经记录和神经调控功能，譬如脑机接口通过解码大脑运动意图以控制机械手，机械手触摸到物体后又把触觉信息通过脑机接口刺激神经元的方式反馈给大脑（如Flesher et al., 2021, Science[7]），那么我们称这样的脑机接口构成一个“脑 →机 →脑”的闭环（close-loop）系统或双向（bi-directional）系统。
类似于神经记录技术，神经调控技术也分为侵入式和非侵入式的。
侵入式的神经调控方法包括使用电极进行电刺激，如在病人中使用的深部脑刺激（Depp Brain Stimulation，简称 DBS，因刺激的核团处于脑中深部位置而得名）和在非人灵长类使用常用的微刺激（Micro-stimulation，因使用微安级别的电流而得名）。
通过刺激神经元，无需感官输入就能产生某种感觉（譬如刺激V1让被试看到一个光点，刺激IT区让被试看到面孔），或者让感觉产生扭曲（譬如刺激MT让被试看到的画面产生扭曲）。对于复杂的、由神经元群体活动编码的运动，我们可以通过按照神经元群体的整体发放模式（即沿着神经流形）进行调控（激活或抑制），复现某个复杂的运动序列。
作者有话说
第47章 刺激神经元可让人凭空产生感觉（1）
