都市快报讯 张大伯今年72岁，两年前因为车祸造成第四颈髓层面损伤，四肢完全瘫痪。经过系统训练，现在他不仅可以握手，还能喝饮料、吃油条、玩麻将，只不过这些动作不是用他自己的手来做的，而是他用“意念”控制外部机械臂及机械手来完成。

“握住，很棒，向自己的嘴巴移动，再往回一些，好差不多，停！”在医生的提醒下，张大伯自己喝上了可乐。

去年《科学美国人》报道美国加州理工瘫痪病人脑控喝啤酒，张大伯也成为国内首例利用植入式脑机接口进行复杂而有效的运动控制的高龄患者。今天上午，浙大二院与浙江大学脑机接口团队发布了这项重要科研成果。

4个月训练，72岁高位截瘫患者可以喝可乐了

在浙大二院16楼神经外科的一间病房里，张先生刚刚午休结束。护士一边叫着“外公，外公”，一边轻轻地在他腿上盖了一块毯子。而那边，工作人员已经把设备调试好了。这一天的训练由此开始。

工作人员把一个放着油条的杯子放在机械手的旁边，张先生用“意念”让机械手对准位置，张开手指，握住杯子，一步一步往回挪。挪的过程并不都十分顺畅，有时候往左偏一点，有时候往右偏一点，张先生得“使劲”想着“往右”或“往左”，调整机械臂的方向，经过近半分钟的努力，机械手终于把杯子挪到了他的嘴边，张先生吃到油条了。

抓、握、移，这些对常人来说再简单不过的动作，背后却是信号发送、传输和解码等一系列复杂的过程。因此，这一“转念”之间的过程，对像张先生这样脊髓神经损伤、运动功能丧失的残障人士而言，是不可能完成的任务。

浙江大学求是高等研究院“脑机接口”团队与浙江大学医学院附属第二医院神经外科合作完成国内第一例植入式脑机接口临床研究，首次通过对一位高位截瘫志愿者脑内植入Utah阵列电极，利用大脑运动皮层信号精准控制外部机械臂与机械手实现三维空间的运动，实现用意念控制机械手臂完成进食、饮水和握手等一系列上肢重要功能运动。

除了吃喝、社交、娱乐外，这项最新成果将有助于肢体瘫痪患者进行运动功能重建，从而提高生活质量，未来也将对辅助运动功能、失能者功能重建、老年机能增强等更多领域产生积极影响。

脑机接口的又一次全新尝试

早在2012年，浙大团队就在猴子脑中植入微电极阵列，运用计算机信息技术成功提取并破译了猴子大脑关于抓、勾、握、捏四种手势的神经信号，使猴子能通过自身“意念”直接控制外部机械手臂。在2014年，浙大团队继续在人脑内植入皮层脑电微电极，实现“意念”控制机械手完成高难度的“石头、剪刀、布”手指运动，创造了当时的国内第一。

临床试验的核心技术是近年来兴起的脑机接口技术。

脑机接口，是在大脑和假肢等外部设备之间建立一条直接传输大脑指令的通道，实现在脊髓及运动神经通路损坏但大脑皮层功能尚健全的情况下，脑部的信号也能通过计算机解读，直接控制外部设备。

与前两次相比，现在这项最新成果，有什么不同呢？浙大求是高等研究院教授王跃明说，2014年的临床应用是在患者大脑皮层表面“盖”上一块电极片（皮层脑电电极），电极本身并未插入大脑皮层内部，属于开颅但不插入皮层的半植入式操作，不能检测到单个神经元的放电。而这次是把微电极阵列直接插入大脑运动皮层里面，是植入式操作，可以检测单个神经元细胞放电情况，获取的信号更直接、稳定和丰富。

“相比非植入式研究，打个比方，植入式相当于在体育场里看足球比赛，能亲眼看到运动员是凌空抽射还是头球攻门，而非植入式的就像是在体育场外‘听’比赛，只能通过欢呼声或嘘声了解个大概。”

2012年的研究也属于植入式，但从猴子大脑到人类大脑，对所研究信号的解码、编码、运算方式及效率等都提出了挑战。首先，前者可以通过实际移动手臂获得脑信号，而瘫痪病人完全是想象运动，没有准确的运动信息用于构建解码器，信号质量较前者也不稳定；再有，人的大脑活动受环境影响更大，计算机处理这些信号的复杂性也会大大增加。

此前国际上已经报道的研究植入式脑机接口的志愿者均为中青年，而张先生是典型的高龄患者，在体力、注意力、情绪配合等方面都相对较弱。浙大二院神经外科主任张建民说：“这次实验的个体化程度要求高，没有任何先前经验可供参考，需要我们在围手术期管理、手术操作、电极植入精度以及术后训练模式、信号分析、医护照护等多个方面进行不断探索和创新。”

机器人辅助手术、非线性神经网络算法是新尝试

以往类似的手术都是传统的人工植入，虽然植入效果及后期脑电信号质量总体尚可，但精确程度还不是最理想。张建民想到了手术机器人。他们利用步进为0.1毫米的手术机器人，准确地将2个微电极阵列送入既定位置，误差控制在0.5毫米以内。这也是全球首例成功利用手术机器人辅助方式完成电极植入手术。

“在4毫米×4毫米大小的微电极阵列上有100个电极针脚，每一个针脚都可能检测到1个甚至多个神经元细胞放电。电极的另一头连接着计算机，可以实时记录大脑发出的神经信号。”王跃明说。

接下来的关键一步就是如何实现“意念操控”。团队介绍说，人的大脑中上千亿个神经元通过发出微小的电脉冲相互交流，从而对人体的一举一动发号施令，要实现意念控制，就要对电极检测范围内的人脑神经电信号进行实时采集和解码，将不同的电信号特征与机械手臂的动作匹配对应。

由于脑机接口技术同时依赖患者脑电信号特征及机器算法设计，目前还没有统一标准化的信号采集、解码等分析手段，也就是说，不能直接搬用已有的分析手段。事实上，在研究过程中团队也验证了这一点。他们一开始用国外的几套线性算法，效果都不太好。后来，王跃明与团队成员引入非线性、神经网络算法，提出了针对这一例高龄患者的个性化解决方案。

“相对于中青年患者，老年患者的脑电信号质量与稳定性都要差些，我们设计的非线性解码器更能‘读懂’老年人的心思，能够帮助患者更好地在反馈式学习中掌握如何操控机械臂与机械手。”当然，要达到“人与机械合一”的目标是非常困难的。团队采用循序渐进的训练方法，先让张先生在电脑屏幕上操控鼠标来跟踪、点击二维运动及三维虚拟现实运动中的球，再练习指挥机械臂完成上下左右等9个方向的动作，最后才是模拟握手、饮水、进食等动作。训练耗费了4个多月时间，才有了现在这样令人激动的成果。

快报记者了解到，目前这项技术投入临床应用还需要很长的时间，接下去浙江大学团队和浙大二院会继续进行这方面的探索和临床尝试。