AI發現大腦新模式，腦機接口被「增強」了
當你開始閱讀這篇文章時，你可能會不自覺地伸手拿水杯、然後喝口水，或者轉頭回覆一下他人發來的消息。這些看似簡單的動作，實際上在大腦中引發了不同的編碼過程，且是同步發生的，形成了錯綜複雜的大腦活動模式。
但是，對於癱瘓患者而言，他們的想法卻無法轉化為特定的肌肉動作。
近年來，腦機接口技術備受矚目，它能夠解讀患者的思維，並將其指令傳遞給外部設備（比如機械臂），進而幫助他們恢復運動能力。
然而，一個關鍵問題：大腦中的神經網絡並非簡單的線性疊加，而是涉及複雜的非線性關係，這就使得同時發生的編碼難以被解析。區分特定行為的大腦編碼與其他行為的編碼，仍是一大挑戰。
日前，來自南加州大學和賓夕法尼亞大學的研究團隊開發了一種人工智能（AI）算法——DPAD（Dissociative Prioritized Analysis of Dynamics），其能夠有效地將特定行為的大腦模式與其他同時進行的大腦活動區分開來，提高從大腦活動中解碼運動的準確性，從而顯著提升腦機接口的性能。
研究團隊表示，這種方法不僅可以準確地從大腦活動中解碼動作，還有助於揭示大腦中可能未被注意到的新模式，從而開發出功能更強大的腦機接口，如治療運動障礙和癱瘓以及精神疾病。
相關研究論文以「Dissociative and prioritized modeling of behaviorally relevant neural dynamics using recurrent neural networks」為題，已發表在 Nature 子刊 Nature Neuroscience 上。
值得注意的是，這一算法具有極強的靈活性，未來可能用於解碼如疼痛或抑鬱情緒等心理狀態，有助於更好地治療心理健康狀況，通過跟蹤患者的症狀狀態作為反饋，精確地根據他們的需求定製治療方案。
01 解開複雜的神經網絡
DPAD 是一種非線性動態建模方法，使用循環神經網絡（RNN）架構和訓練方法。DPAD 使用兩節 RNN 架構，分別學習行為相關的神經動態和其他神經動態，旨在解決現有方法在建模神經行為轉換時的挑戰，例如非線性、動力學建模、行為相關神經動態的分離和優先級以及連續和間歇行為數據建模。
圖｜DPAD 結構概述。它在神經科學領域具有廣泛的應用價值，研究團隊通過在四個不同的非人靈長類動物數據集中進行分析，展示了 DPAD 的五個應用場景：
提高神經-行為預測的準確性：
DPAD 通過優先學習行為相關的神經動力學，並捕捉轉換中的非線性關係，從而更準確地預測行為。在多種神經模態的數據中，DPAD 的預測準確性都優於線性模型和非線性動態模型。這意味著 DPAD 能夠更好地理解神經活動如何轉化為行為，並為神經科技開發提供更可靠的模型。
提取行為預測的非線性動力學變換：
DPAD 能夠自動識別原始局部場電位（LFP） 活動中的非線性動力學變換，其預測行為的能力優於傳統的 LFP 功率特徵。在某些數據集中，DPAD 的預測能力甚至超過了神經元放電。這表明 DPAD 能夠從 LFP 數據中提取出更具行為預測性的信息，為 LFP 數據的分析提供了新的思路。
實現行為預測的非線性神經降維：
DPAD 能夠在保留行為信息的同時，通過提取低維的潛在狀態來實現非線性神經降維。這意味著 DPAD 可以從原始神經數據中提取出更簡潔的表示，同時保持行為預測能力。這對於神經數據的大規模處理和分析具有重要意義。
驗證非線性轉換的起源：
DPAD 能夠通過假設檢驗來確定神經-行為轉換中非線性的起源，例如是潛在狀態動力學、嵌入映射還是行為讀出映射。在多個運動相關數據集中，DPAD 發現非線性主要存在於潛在狀態到行為的映射中。這為未來實驗提供了新的假設和測試方向，有助於更深入地理解神經計算的非線性機制。
擴展到非連續和間歇性數據：
DPAD 能夠處理間歇性采樣的行為數據，例如情緒報告。這使其適用於情感神經科學和神經精神病學等領域。DPAD 還能夠處理非連續值的行為數據，例如決策選擇。這進一步擴展了 DPAD 在神經科學和神經科技中的應用範圍。
但是 DPAD 也有一定的局限性。例如，DPAD 的優化目標函數是非凸的，因此無法保證收斂到全局最優解。並且，模型的質量和神經行為預測能力取決於數據集的特性，例如信噪比。
在未來，DPAD 可以用於測試更多腦區的非線性，以更全面地理解神經-行為轉換。其次，DPAD 也可以用於研究其他信號轉換，例如不同腦區之間的信號轉換，以及腦對電刺激或感覺刺激的反應。此外，DPAD 也可以應用於社交互動，同時記錄兩個主體的腦活動，以發現社交互動中的共享跨主體動態。
02 當 AI 遇上神經科學
人類和動物的神經網絡是 AI 基礎模型「神經網絡」的靈感來源，而反過來，AI 如今也在神經科學領域大顯其身手。
近幾年，AI 在神經科學領域就有多項突破。例如，去年 7 月，密歇根大學凱洛格眼科中心及其合作者研究團隊推出了可應用於國際空間站眼科成像的多個 AI 框架，從而更好地瞭解太空適應綜合症（SANS）的病理生理學並開發預防措施。
今年 1 月，巴勒莫大學及其合作者研究團隊在論文中探索了關於 AI 在支持偏頭痛的診斷和分類及其管理方面所發揮的作用的新證據，包括確定結果測量、個性化治療和治療反應預測。他們在研究中發現 AI 在偏頭痛的診療中具有巨大的潛力，可以幫助患者獲得更好的治療和管理。
8 月，在一項新的研究中，由加州大學大衛斯分校健康中心研究團隊及其合作者開發的一種由 AI 驅動的大腦植入物，成功將大腦信號轉換為語音，讓失語患者重新開口說話，準確率高達 97.5%。
AI 與神經科學的結合不僅相互促進，而且開闢了新的研究路徑。在未來，這種跨學科的合作有望在神經疾病的治療、神經修復技術的開發以及大腦功能的深入理解等方面，帶來更多革命性的突破。
本文來自微信公眾號「學術頭條」（ID：SciTouTiao），作者：學術頭條，36氪經授權發佈。
