AI解码脑电信号：助力瘫痪患者运动意图识别
人工智能解码脑信号：助力瘫痪患者恢复运动
核心观点：一项概念验证研究表明，人工智能（AI）能够通过非侵入性脑电图（EEG）解码严重脊髓损伤（SCI）患者的下肢运动意图，为开发新型非侵入性脑控神经假肢系统奠定了基础，有望帮助瘫痪患者恢复运动功能。
研究背景与意义
- 技术融合：人工智能机器学习正被应用于辅助技术领域，旨在帮助瘫痪患者恢复运动能力。
巨大需求：
- 全球约有1500万脊髓损伤患者（世界卫生组织数据）。
- 美国有超过30.86万例创伤性脊髓损伤患者，其中2015年后新发病例中78%为男性。
- 高位截瘫（高位四肢瘫）患者一生的护理成本可能超过470万美元。
- 研究目标：探索利用AI解码非侵入性EEG脑信号，以识别下肢运动意图的模式。
研究方法与过程
- 研究团队：来自瑞士洛桑联邦理工学院、瑞士洛桑大学医院、意大利比萨圣安娜高等学校及意大利米兰圣拉斐尔科学研究所。
- 参与者：4名18至33岁的男性脊髓损伤患者。
实验设计：
- 参与者佩戴64通道EEG帽，坐在轮椅上进行实验。
- 每个参与者完成了四次实验，内容包含多次尝试。
任务分为两个阶段：
- 想象运动但不实际尝试。
- 尝试执行运动。
- 尝试的四种运动为：左/右髋关节弯曲，左/右膝关节伸展。
数据分析：
- 对脑电记录进行统计分析。
- 使用AI机器学习分类器XGBoost（极限梯度提升）分析所有数据。
- 采用蒙特卡洛迭代抽样方法。
研究结果与发现
- 主要结论：EEG信号通常能够区分下肢运动尝试与静止状态。
- 解码挑战：区分左侧与右侧运动，以及髋部与膝部运动则更为困难。
- 研究意义：成功证明了AI能够解码严重瘫痪患者非侵入性记录的脑活动，并区分其下肢运动意图与静止状态。这为未来开发帮助患者仅凭“思想”就能重新运动的新型非侵入性神经假肢提供了可行的起点。
未来展望
这项概念验证研究确立了在严重瘫痪个体中解码下肢运动尝试的EEG基线，为脑控神经假肢系统的开发铺平了道路，有望显著改善瘫痪患者的日常生活质量。