人體脊髓能夠傳送大腦與身體其他部位的感覺及運動信號，因此，不同原因的脊髓損傷可以直接導(dǎo)致各種各樣的癱瘓，這樣的病例在交通事故、砸傷、摔傷、運動性損傷，以及地震、礦難等災(zāi)難中十分常見，多數(shù)不幸的患者日常生活都難以自理，給家庭造成巨大負擔。

在中國，約有超過 200 萬的脊髓損傷患者等待救治，且每年新增 10 萬人左右。在美國，約有 540 萬位癱瘓患者，其中因脊髓損傷導(dǎo)致的占比 27．3％，每年約有 17700 多例新增的脊髓損傷病例，其他的癱瘓主要原因還有中風(fēng)（占比 33．7％）和多發(fā)性硬化癥（占比 18．6％）等。

自古以來，癱瘓就被認為是一種永久性疾病，在近百年的現(xiàn)代臨床研究中，讓癱瘓患者重新恢復(fù)運動和感覺能力，一直是世界性的醫(yī)學(xué)難題，盡管科學(xué)界有嘗試過讓患者通過腦機接口操控機械臂來替代肢體動作，也取得過不少成果，但機械臂畢竟不是自己的胳膊和手，并不那么合適。

現(xiàn)在，另一種非常賽博朋克的解決方案來了，癱瘓患者可通過借助一套可穿戴設(shè)備，就能讓早已不聽使喚的胳膊動起來，還能用手抓取食物進食，效果請看下圖：

該實驗的參與患者之一早已沒有了動手能力，但他現(xiàn)在的肢體動作卻不依賴于體內(nèi)受損的脊髓，而是靠手臂上的黑科技穿戴，這套穿戴中的一系列傳感器能夠記錄他的意圖，而電極則能刺激神經(jīng)和肌肉產(chǎn)生他想要的動作。最終，他能夠重新“使用”自己的胳膊和手。

兩種“可穿戴”解決方案

這套黑科技穿戴被命名為 GlidePath，開發(fā)團隊來自美國巴特爾紀念研究所，是一家私營的非營利性應(yīng)用科技開發(fā)公司，總部位于俄亥俄州哥倫布市。Chad Bouton 教授是該項目的領(lǐng)導(dǎo)者，目前他把實驗室搬到了紐約范斯坦醫(yī)學(xué)研究所的生物電子醫(yī)學(xué)研究所。

Bouton 的實驗室一直致力于探索恢復(fù)癱瘓患者的運動和感覺反饋的方法，其實驗室成員還包括電氣工程師 Nikunj Bhagat，神經(jīng)科學(xué)家 Santosh Chandrasekaran 和臨床經(jīng)理 Richard Ramdeo 等。

他們開發(fā)了實時解碼與肌肉刺激相關(guān)的大腦神經(jīng)信號的技術(shù)，以實現(xiàn)手臂和手的功能性運動，這些技術(shù)在脊髓損傷、中風(fēng)、腦外傷和其他神經(jīng)系統(tǒng)疾病中具有廣泛應(yīng)用前景。
目前，該實驗室正在努力將這套非侵入穿戴技術(shù)商業(yè)化，并希望在明年獲得美國食品和藥物管理局的批準，不過，這只是一個短期目標。

對于長期愿景，他們則致力于開發(fā)雙向“神經(jīng)搭橋”技術(shù)，基本原理是在大腦運動皮層中植入電極陣列，拾取患者想象移動手臂和手時產(chǎn)生的神經(jīng)信號，這些嘈雜的大腦信號會由 AI 驅(qū)動的處理器進行解碼，該處理器再將神經(jīng)刺激指令發(fā)送到人前臂上的電極貼片。

當人抓住物體時，手臂上的傳感器會記錄感覺信息，這些數(shù)據(jù)通過處理器返回，然后將刺激指令發(fā)送到大腦感覺皮層中的植入式電極陣列，最后使該患者可以“感覺”到該物體，并在必要時調(diào)整其抓取力，脊髓上的另一個電極陣列在此過程中刺激脊神經(jīng)，以期鼓勵再生和修復(fù)。

據(jù)了解，這種雙向系統(tǒng)也已經(jīng)開始進行臨床試驗以測試效果。

總體而言，這是兩種不同類型的“人工合成神經(jīng)系統(tǒng)”：一種方法是要使用大腦植入物對癱瘓肢體進行高保真控制。另一種則采用無創(chuàng)可穿戴技術(shù)，該技術(shù)可提供精確度稍低的控制，但具有無需進行腦部手術(shù)的好處。而從普及角度來講，無創(chuàng)可穿戴技術(shù)有望在不久后推出給患者。

在相關(guān)實驗結(jié)果中，癱瘓患者除了能完成自己抓取食物進食的操作，還包括刷信用卡、將水從瓶子倒入玻璃杯、乃至自己彈吉他，癱瘓的雙手在演奏音樂時甚至能感覺到來自吉他的反饋。

黑科技背后的技術(shù)原理

那么，我們先來看看最便捷實用的這套非入侵可穿戴設(shè)備是怎樣的。

許多患有四肢癱瘓的人其實保留了肢體的一點殘余運動，可以做出要拿東西的動作傾向，這種無創(chuàng)可穿戴技術(shù)就是利用手臂運動軌跡信息和深度學(xué)習(xí)方法來確定抓取力選擇。

此外，研究人員將這種方法與神經(jīng)肌肉刺激相結(jié)合，以確定在脊髓損傷患者中，是否可以啟用自我驅(qū)動的功能性手部運動。

該方案得益于近年來慣性測量單元（IMU）廣泛用于人機交互，特別是用于手勢識別和可穿戴式感應(yīng)，以及復(fù)雜的機器學(xué)習(xí)算法（比如遞歸神經(jīng)網(wǎng)絡(luò)）可以很容易地用于解密 IMU 數(shù)據(jù)。

圖｜實驗裝置原型，通過使用 IMU 和手臂電極刺激來抓握（來源：Bioelectronic Medicine）

其中，手臂傳感器模塊由 Adafruit 的 32 位 ARM 微控制器單元（MCU）和 Bosch SensorTec BNO055 9 軸 IMU 組成。IMU 具有內(nèi)置處理器和算法，可估計其方向并實時執(zhí)行重力補償，以在三個正交方向上產(chǎn)生線性加速度。