【专业解读】脑机智能融合技术（三）

本次专业解读，我们邀请到了中国科学院深圳先进技术研究院脑研究所，脑机智能融合技术实验室PI，正高级工程师、博士生导师李骁健老师。

李骁健老师是国内脑机智能融合技术的重要人物，长期身体力行地推广脑机接口技术。本次专家解读，李老师和和陆王天宇博士就脑机智能融合的硬件发展历史与现状、算法及软件的开发、多模态研究方式、科技落地和领域宣传方面，展开了深入又不失趣味的讨论。

专家访谈

小麓：您有化工、生物物理、生理学和电子工程等研究背景，是全面的神经工程学家，之前和现在都主要做哪些方面的研究呢？

李骁健：研究生阶段就开始研究神经电生理、视觉信息加工，早期制作的玻璃绝缘钨丝微电极，应用在很多实验室。

博士后留美期间师从“聪明鼠”之父钱卓教授。钱卓教授在1999年突破性地创造了“聪明鼠”，被《科学》杂志列为当年十大科技成果之一。

■  聪明鼠

聪明鼠“杜奇”（Doogie）在美国普林斯顿大学的分子生物实验室诞生。他们拥有同类小鼠无法比拟的智力：They're learning things much better and remembering longer. They're smarter.

李骁健：在钱卓教授实验室主要做神经解码工作，实验室有当时世界上唯一一套1024道系统：两个两米来高的大机柜，一面墙12台显示器，4台主机。

现在我们研发的1024道的高通量神经信息获取系统，具有实时并行的板上神经信号处理功能，却只有手掌那么大了。

李骁健：马斯克NeuraLink装置属于脑机接口前端技术。柔性电极阵列、神经芯片、电池和通讯线圈集成一体，做到了微型化，体现了微电子和微纳加工技术的发展。

神经界面材料领域在意神经植入物的异质性和机械适配性。FDA认证的高密度犹他阵列，是需要气锤锤进脑里，微电极是硬针，而脑组织很软，胶质细胞会来保护，就不能保持长时间采集。

传感器部分是最前端的，如果采集信号不好，信噪比不高，不能长时间稳定采集的话，数据源不好会导致之后的研究不好进行。

而柔性电极植入物和脑组织可能共融共生，实现稳定信号读出和写入，获得好的数据是高效神经解码的前提。

去年NeuraLink展示脑机接口装置时对比了现有的采用犹他阵列的脑机接口装置，有两大块硬件暴露在脑外。这可以在实验室做研究用，但日常应用是不方便的。而到了今年，用上了微型化芯片，且实现了无线通讯。我们可以看到马斯克的展示是比较严谨的，比如展示了植入的小猪，植入又取出装置的小猪。这些展示都是现在医疗上对医疗器械的要求，就是要以柔性电极加无线传输替代犹他电极阵列加有线采集。

这种设备带来的好处是，会有更多病患志愿者愿意尝试，大幅扩增用于脑疾病分析的神经信息数据源，对人的神经解码、智能理解的研究也会有很大促进。

陆王天宇：这个倒是让我想起来，马斯克做特斯拉的时候，他直接就把特斯拉的自动驾驶的功能投放到那些车上，就相当于他的训练样本瞬间比其他所有公司都多，而且每时每刻的增量的数据也比别人多，在自动驾驶领域很快就弯道超车了。数据还是很关键的一个基础。

我看马斯克在这次的发布会上对这次数据量大了之后，应当会有软件，包括代码，各种数据处理的方法。好多人也在评论，他对这些展示的不多，怎么分析的数据其实也没发布。

李骁健：现在这个问题提的有点早了，马斯克主要展示装置，申请了创新型医疗器械，主要实现高通量采集。

解码方面，一个神经脉冲源胞外的有效传播范围在150微米左右，目前我们做的多通道电生理数据分析手段是设置阈值（根据噪声水平动态调整阈值）做脉冲探测。

一般通过扩大数据信号源、增多通道的方法，根据神经元群体编码理论，信息是容易抽提的，可以降低数据处理的压力。

需要获得更多神经信息的话，既要往深挖，也要往广度拓展。

植入物如果是针状电极、犹他电极、NeuraLink电极植入的覆盖范围都比较小，普遍小于1厘米见方；ECoG的植入范围能有5到10厘米见方，扩大信号源范围也是解码的途径。相对于ECoG，micro-ECoG皮层脑电图有更密更小的电极。

■  ECoG

皮层脑电图（ECoG）是一种电生理监测，它使用直接放置在大脑裸露表面上的电极。ECoG是研究大脑的有前途的技术，ECoG信号可用于控制脑机接口。进步使得可以同时记录越来越多的更小且更紧密间隔的电极。但是，从大脑外部进行电记录的一个特性是，普通信号出现在不同位置的不同电极上，这影响了有关如何最佳分配有限数量的电极以最大化可收集信息的决策。

事实证明，在大脑表面上相距约1厘米的大间距电极可用于临床和研究，但是从较小区域中更多位置进行录制有多大好处还有待回答。我们发现，由于存在于多个电极位置的大脑活动的不同模式的组合，我们可以解释不同位置之间的共性，并且从非常紧密间隔的电极（相距约一毫米或更短的距离）记录的信号能够识别这种规模的模式。

李骁健：数据丰富度高了以后，数据处理要求的精细度也相对降低了，整个流程变得方便了，信息的分析效果相当于鲁棒性增强，就简化了算法。

如果从实用性来讲，比如作为医疗器械的脑机接口，最成熟的就是控制类人机械臂。这时神经信号需要实时处理。因为电极植入并且记录的神经元未必是和控制手臂高度相关的神经元，这相当于要重新训练神经网络，才能逐渐掌握控制机械手。

任何训练都需要反馈，无论机器学习还是神经学习。机械响应慢的话无法完全认为是反馈，不能形成闭环。运动脑机接口交互学习必须要形成闭环，所以高性能的脑机接口需要高速的神经信息处理能力，也包括机械的响应。

陆王天宇：像这种学习，把脑波和对应的机械臂的控制，本身形成一个映射关系，这种映射关系基本上都是用深入学习做的。算法本身是人工神经网络，然后快速学了这个关系，使得数据的处理流程尽可能简单，那效果就会越好。

李骁健：不同的神经界面形式，比如植入的电极阵列和ECoG的信号源不一样，算法处理上有一定差别。

机器学习没有人学习快，因为信号源维度的关系，ECoG学习速度会比刺入式针状的能记录到神经元水平的要慢。人植入犹他电极，学习一个任务往往半天就行，人训练自己的神经网络，即生物神经网络比较快，精度也比较高。植入区运动皮层的神经元的基本性质比较清楚，神经信号降维，如做主成分分析，用线性解码器解码往往够用了。

ECoG需要更多的神经元训练得到明显群体效果，才能在ECoG上反映出来。

不同传感器类型做神经解码的方式会有较大的差异，涉及到软硬件的整合优化。从脑组织外采集神经信息，深刻性有所降低，但是信息收集面比较广。神经信号源的差异会使神经解码在算法上各有侧重，在反馈和学习过程中对神经网络训练的方式也会有不同。神经信息的处理方法会呈现百花齐放的局面。

脑机接口的关键问题就是互学习，一是生物神经网络学习，二是人工神经网络学习。

一般不拿小鼠做脑机接口，因为小鼠学习能力较差。而人有高性能的神经网络，重组能力强，学习效能高。 

陆王天宇：我们因为在做我们自己在开发了一个spike sorting的工具软件，领域里比较早出现的工具，甚至是为了满足20年前的科研需求而形成的工具。

最近相关软件、工具好像看到的比较少了，您是怎么样去看待这个问题的？这种工具怎么样去更好的扩展到其他单位？

李骁健：犹他电极能记上百道，每个尖端一个触点间距比较开，不能形成多点共同探测信号源；NeuraLink的高密度柔性电极阵列，一根电极有很多串行排列的探测点，多根排列会有立体的神经网络信息，电极阵列排布几何结构不同，采集的神经组织的信息也不大相同。

采集神经信号方式和方法的变化、创新，会伴随着对应神经信息和数据处理的个性化发展。

陆王天宇：那我们畅想一下，如果NeuraLink硬件基础卖给各个实验室，之后将出现相关的通用工具。

李骁健：用这种高通量设备采集到大量数据，才有新的分析方法、解码算法的出现。数据多的话一定会找到好的分析方法，这是数据驱动型研究。

陆王天宇：所以有了好的前端设备，数据会更丰富，这样的设备也可以用在更多个体上。

脑机接口的硬件设备用猕猴做实验，是不是一个好的方向。

李骁健：非人灵长类资源丰富会是中国脑计划的很大优势。比如转基因猴子“中中”“华华”等成果。

以前国内主要做eeg脑机接口，优点是低风险，基本无创，但是获得的神经信息比较有限，信号经过了颅骨和头皮剩的就很少了。神经元轴突是有绝缘包被的，电脉冲信号在普通电解质环境中只能传递一两百微米，这是比较简单的生物物理原理。神经元主要是靠神经脉冲传递信息，所以说高保真信息肯定要离神经元近才能捕捉到，这就是植入式电极的基本原理。

因为猴神经功能和人比较类似，用猴做实验，对植入脑机接口获得高质量数据，做神经信息的分析解码，研究神经学习，搞清大脑智能产生的机制，探索脑疾病的治疗，都有很大的帮助。通过分析非人灵长类这种比较高智能的动物，研究智能表现的神经基础，对类脑人工智能的发展都会有重大的促进作用。

陆王天宇：主要数据源还在猴子上，在人身上应用的数字不可能突然暴涨吧？

李骁健：虽然中国人口多，但是对脑植入式治疗的接受度不高。这方面需要宣传科普、更新观念，阐述脑机接口的治疗效果。

植入式脑机接口很重要的方面是研究高智能生物的神经学习——为什么学的东西快，怎么学的。这块用猴子研究比较理想。

植入式脑机接口应用在医疗是一方面，如果设备通过FDA认证，如果有更多患者志愿者愿意加入肯定对大脑的理解，脑智能的涌现，以及脑疾病的治疗有很大帮助。

陆王天宇：神经科学的数据越来越多元化、涉及到电信号、各种类型的图像信号、外部行为学的数据等，这种多模态的数据目前主要是分开来分析的，您觉得把数据结合在一起去做分析，是否有前景？

李骁健：多模态信息是必然需要的模式，也涉及研究方式的进一步优化和调整等。

Allen Institute大规模、系统化把脑组织的结构功能做图谱、解析出来，资料丰富，并形成了专门的数据格式。这不是作坊式的实验室能推动的。

在任何一个时代发展的节点上一定需要有几个关键投入，整合大家的愿望和思想，推动一个完善的整合系统出来。

虽然从事这个领域的人都试图推动，但也要找到时间节点和机遇，促进整体信息的整合。

也需要重要的、有影响力的人物发挥关键作用，比如Allen Institute的Paul Allen这样的大富翁集合了大资本和大科学家。

同时每个科研工作者也需要努力科普和奔走，先形成合作的愿望和意图。

陆王天宇：国内主要是国家在推动，个人方面，陈天桥对华山医院有支持。

李骁健：所以要加强科普宣传，让人们意识到脑机接口对大家的未来生活会很有帮助。

陆王天宇：至少让马云投一投，（笑）马云也挺热衷公益的，但是对这块可能认知还不太多

李骁健：所以大家要多做公益多科普多宣传科学。

小麓：之前有科研人员解读马斯克的落地转化，认为没有新意。但您有不同看法，可以和我们说说吗？

李骁健：技术从专业领域角度没有太多可解读的，是比较固定的套路。第一阶段，首先要证明设备功能，用老鼠做演示；第二阶段的目标是要给人使用，就需要拿医疗注册证、做安全测试，用猪做实验，证明安全有效；第三阶段就是希望有患者志愿者愿意做尝试，并推广开。

脑机接口从上世纪六七十年代开始研究，近十几二十年加速发展，尤其近十年成果大增，临床使用技术趋于成熟，所以马斯克可以投入产业转化。

像SpaceX火箭能实现商业化，就是航天技术已经发展到一个程度，商业公司就可以接受比较成熟的技术。这和Allen 脑研究所是不同概念，脑研究所是纯粹科学公益性的，而NeuraLink 是盈利的科技企业。

陆王天宇：“一体两翼”科技落地是否要往临床深入？

李骁健：植入式脑机接口需要一定的手术，哪怕是做很小的植入手术，也是三类医疗器械，必须要走医疗器械路线。

陆王天宇：哪些疾病适合落地，慢慢做大规模？

李骁健：精神疾病都是神经出现的问题，意识以物质为基础嘛。比如帕金森、老年痴呆是神经退行性疾病，是神经死了一些；很多精神疾病却是神经连错了。神经调控就是介入式的治疗手段了，需要有东西刺激神经，让神经按想要的方式长回来。神经相关的疾病都可以尝试用这种方式。但具体怎么调控还有待研究。脑机接口就是提供了一个直接的神经介入治疗的手段。

脑机接口目前最成熟的就是运动脑机接口了。给瘫痪病人把运动意图信息读出来，脑控机器人完成。

其他比如情绪脑机接口，比较麻烦，因为没有明显损伤可找，脑神经网络又复杂，可能需要多靶点协同调控的治疗方案，通过哪几个点可以调好是不确定的，这是之后需要深入探讨的。

意图运动方面，因为运动皮层在大脑皮层，颅骨打开就能看到。开个洞就能看到的，容易介入到，就先研究，研究的早，研究的就相对充分；情绪等演化的早，在深处的脑区，因探测手段受局限、研究方法上曾经匮乏，研究就少一些。

嘉宾介绍

李骁健 博士

中国科学院深圳先进技术研究院-深港脑科学创新研究院正高级工程师，博士生导师。

本科毕业于西北大学化学工程系，博士毕业于中科院生物物理所，曾先后在美国佐治亚医学院和美国西北大学芬博格医学院工作。

神经科学方面的研究侧重于神经信息解码和功能神经环路解析。神经技术方面包括研发高通量采集、检测和分析神经光电信息的仪器系统；发展基于纳米技术的非遗传操作神经调控方法，以及研发柔性微纳神经界面器件；目前工作着重于神经仿真计算与类脑器件设计等。

成果已发表在 Nature Biomedical Engineering、Nature Protocols、Nature Neuroscience、Nature Nanotechnology等多个学科的顶级期刊中，并受邀审稿。

研究方向

面向宽带脑机接口的神经电子和神经光子技术

面向神经仿真和类脑计算的神经环路解析和解码技术

面向类人机器人的神经拟态装置和系统研发

麓联数据助力中国神经科学事业的发展，致力于成为神经科学研究的最佳支持者。

Data Science for Science！

参考

1. https://en.wikipedia.org/wiki/Joe_Z._Tsien

2. https://www.scientificamerican.com/article/making-smart-mice/

3. https://www.wired.com/1999/09/building-a-better-mouse-brain/

4. Nicholas Rogers  et al.,PLoS Computational Biology 2019,Correlation Structure in Micro-ECoG Recordings is Described by Spatially Coherent Components

声明：麓联数据所刊载内容知识产权为麓联数据及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及简历镜像等任何形式使用。如需转载，请务必与我们联系，获得许可授权后方可转载。