Nature Neuroscience：脑机接口新挑战：从运动控制到情绪调节

来源：brainnews

脑机接口(BMIs)的闭环控制系统通过记录和调节与大脑交互的神经活动，恢复瘫痪患者失去的运动功能。此外，通过精确操纵控制回路中的元素，运动BMIs已经成为基于控制和学习神经机制的新科学工具。除了运动BMIs，最近的研究强调了开发闭环情绪BMIs，恢复神经精神疾病中失去的情绪功能和探索情绪调节的神经机制。

在这里，我们回顾了由闭环控制理论指导下的，在运动BMIs功能恢复和科学发现方面的重大进展。通过回顾BMIs进展工作，我们提出了关于BMIs如何扩展到神经精神病学领域的观点。

脑机接口(BMIs)通过创建一个大脑的直接控制途径来阅读神经活动,并与外部设备交互。在某些情况下通过刺激大脑输送神经信息(图1)，来达到恢复神经和精神障碍患者失去的功能的目的。迄今为止BMIs研究工作主要集中在恢复瘫痪患者的运动功能。

图1：BMIs的闭环控制系统

运动BMI使用一种称为解码器(Box 1)的数学算法来从神经活动中估计患者的运动趋势，使用解码结果来控制外部执行器(假肢装置)，并向患者提供感官和奖励反馈(图1a)。因此，BMI创建了一个闭环控制系统，在这个系统中大脑是控制器，根据感觉反馈和运动目标(图1a)，神经电活动产生控制命令来移动神经假体。实际上，BMI创造了一个全新的感觉运动环路和一个能由人类自己大脑来控制的新工具。

对闭环控制理论的认识着重在以下两点，他们是相辅相成存在的。

第一，研究学习与控制来指导BMI技术更好的为患者服务。

第二，通过BMIs在运动功能领域的研究，我们能更好的理解大脑的控制和学习机制。

然而，BMIs在功能恢复和科学发现方面的潜力不仅仅局限于运动系统。事实上，治疗神经和精神疾病的手段是控制或调控大脑内部的状态，而不是外部效应器的运动。

例如，BMIs在抑郁症的治疗中，开环刺激的效果参差不齐，个体化、可变性、多靶点或许可以提高其疗效。其中的一种方法是采用闭环BMI，根据从神经活动中解码的症状变化来改变刺激。我们可以假设一个情绪BMIs，它解码情绪症状(而不是运动状态)，作为反馈来决定何时和如何传递脑电刺激，在多维空间里来控制或改变情绪。

与运动BMIs的大量研究工作相比，情绪BMIs的研究才刚刚开始。情绪BMIs的研究有三大困难：

第一，情绪症状的变化是复杂的动态的。

第二，这与脑网络分布息息相关。

第三，检测的困难和个体间差异。

在运动BMI闭环控制系统中，大脑是控制器，并根据所期望的运动目标和感觉反馈，以神经活动的形式决定其控制命令，从而移动神经假肢装置(即，译码器与执行器的组合)。在侵入性运动BMIs中记录的活动是典型的尖峰，但场电位活动也可以使用。

用于电刺激的情绪BMIs也会建立一个闭环控制系统，大脑在这个系统中被控制。这里的外部设备包括一个刺激器和它的控制器。该外部控制器根据治疗目标和所解码的情绪状态的反馈，以调节电刺激参数(如振幅和频率)的形式来传输控制指令。

抑郁或焦虑患者的刺激靶点可能在控制该情绪相关的多维空间中，所以记录的神经活动可以是多层次的，包括大尺度的颅内记录。除刺激疗法外，情绪BMIs也可向患者提供神经反馈，例如解码情绪状态下的视觉或听觉作为反馈形式。这可以是一种单独或同时进行的选择性治疗模式。

为了在实时BMI控制下调试的解码器参数，因此需要对用户的移动倾向进行预估。在闭环控制理论的指导下，设计了多种估计移动倾向的方法。依据用户每次接收到被解码的位置视觉反馈，假设一种最优策略是从这个位置直接指向被指示的目标，并在那里停止。通过旋转光标解码的速度矢量来估计每次的移动倾向，在过程中保持速度矢量的大小不变并使其在目标处等于零。

还有一种假设可以直接到达的方法，通过在解码后的速度矢量上增加一个指向目标的辅助矢量，或者从解码后的矢量上减去一个垂直于目标直线的矢量，来帮助用户向目标方向移动。另一种倾向预估的方法是建立BMIs直观的优化反馈控制(OFC)模型。

OFC通过假设大脑(控制器)根据当前运动状态的视觉反馈和运动的内部模型来选择下一个控制命令，并通过最小化量化运动目标的成本函数来估计意图(例如，到达目标位置并停在那里)。由于其基于模型的性质，OFC可以研究不同的执行器动力学，并估计移动倾向和速度。除了倾向估计之外，OFC模型还被用于通过预测运动目标并将其与运动执行过程中的神经活动相结合来实现目标定向解码。

BMIs的闭环控制理论大大改进了自身的设计。闭环解码器适应方法在用户控制BMI的同时对解码器进行训练，从而考虑到神经适应性和在不稳定记录时导致的神经表征变化。此外，学习使用训练有素的解码器可以进一步推动神经适应，并巩固BMI的技能。解码器和神经适应也可以结合起来，使得在不平稳处理和BMI技能学习方面实现高性能的表现。

运动BMIs建立了简化的感觉运动控制回路，从而为研究控制和学习背后的神经机制提供了一个新的科学工具。BMI感知运动回路中的各种元素可以很容易地进行操作，包括通过改变解码器进行的大脑行为映射，以及改变控制和反馈通路属性，例如速率和延迟。

最后，通过刺激不同于输出神经元的输入神经元来提供人工感觉反馈，例如在运动皮层记录时刺激体感皮层。这些研究也指导了运动译码器的设计。

图2：运动BMIs在功能恢复和科学研究中的应用

情绪调节反映了通过选择适当的情绪调节行为，在多维空间内启动、改变和停止情绪轨迹的能力。了解情绪调节的神经机制有助于发展情绪BMIs。此外，使用情绪BMIs作为科学工具来推进这一认识是未来研究的一个重要方向，它可以记录皮质边缘网络分布，干涉神经反馈，并操纵电刺激的强度和位置。

电刺激研究情绪BMIs的两个关键要素:情绪解码器和刺激反馈控制器。解码器将记录的多位点神经活动映射到某种情绪，在高维的多点神经特征空间中训练情绪解码器。这种方法只能获得很少的情绪测量数据，使得机器学习更加困难。

情绪解码器是通过记录和识别小网络里的多个节点来开发的，这些小网络的活动足以通过解码和学习动态的潜在状态空间模型来研究。这些模型提取低维的潜在状态，简单地描述了神经特征的动态，并通过回归稀疏的情绪相关参数即可进行解码。

在一个解码研究中，从参与者中归纳了一些情绪预测区域，包括：眶额皮层(红色)、扣带回(蓝色)、杏仁核(黄色)和海马体(绿色)。如图3，其中ρ = 0.75 表明解码与情绪测量的相关系数 (等效于R2 = 0.57)。

图3：情绪BMIs帮助恢复功能以及取得新的科学发现

反馈控制器将决定如何刺激大脑以获得预期的治疗结果，例如如何调整刺激脉冲序列的振幅和频率。输入-输出模型可用于建立一个基于模型的控制器，该控制器将解码后的情绪作为反馈。

BMIs创建的闭环控制系统被用作功能恢复和科学研究的工具。在过去的20年里，大量工作已经证明了运动BMIs能够帮助恢复瘫痪病人的运动功能，促进了我们对控制和学习神经机制的理解。结合从运动BMIs中得出的结论、心理学和神经影像学在情绪处理方面的研究、闭环控制的理论和最新的进展，我们将为BMIs应用到神经精神疾病等新领域开辟道路。

主要参考文章：

Shanechi MM. Brain–machine interfaces from motor to mood. Nature Neuroscience 2019;22(10):1554-64. doi: 10.1038/s41593-019-0488-y

作者信息

编译作者：Chole Full（brainnews创作团队）