导读：脑机接口（BCI）技术在神经修复中的潜力巨大，涵盖了从运动康复到认知增强的广泛应用。文章将不同脑电技术细分为非侵入性非植入技术、微创非植入技术、非侵入性干预技术、微创干预技术、微创植入技术、和侵入性植入技术多种方式，展示了这些技术的最新进展和潜在优势。通过分析不同BCI技术的特点和适用场景，文章为临床医生和研究人员提供了选择合适技术的指导，有助于提高神经修复治疗的效果。文章强调了在BCI技术发展过程中需要持续的伦理审视和安全考虑，确保技术应用符合伦理标准，保护患者权益。不仅为BCI技术在神经修复学中的应用提供了深入的分析和见解，也为相关领域的研究者和实践者提供了宝贵的信息和启示。通过跨学科合作、技术创新和伦理警觉，可以充分发挥BCI在恢复和增强大脑功能方面的潜力。文章有助于促进神经科学、生物医学工程、计算机科学等多个学科之间的交流与合作。
脑机接口（BCI）技术是一个快速发展的跨学科领域，有望彻底改变我们对大脑的理解以及与大脑的互动方式，特别是在神经修复方面。BCI 能够实现大脑与外部设备的直接通信，绕过涉及外周神经和肌肉的传统途径。从临床和工程方面来看，BCI 技术可以根据信号采集方式分为几类。本社论探讨了各种 BCI 技术在神经修复中的潜在应用，借鉴了近期的进展。
1.非侵入性非植入技术
脑电图（EEG）是最广泛使用的非侵入性脑机接口技术，因为它成本低、便携且易于使用。它具有出色的时间分辨率，使其适合于需要实时监测和反馈的应用。在神经修复中，基于 EEG 的脑机接口在运动康复方面显示出潜力，特别是对于中风患者。研究表明，EEG 能够有效地监测运动意图，并为正在进行康复的患者提供反馈，从而提高恢复结果。
功能性近红外光谱（fNIRS）是另一种非侵入性脑机接口技术，它基于测量大脑中血流变化。虽然它的时间分辨率低于 EEG，但它的空间分辨率更高。这使得 fNIRS 适合于需要详细大脑映射的应用，例如在神经康复期间监测皮层重组。
2.微创非植入技术
微创局部颅骨电生理修饰（MILEM）技术通过在颅骨上创建小孔来提高信号质量，从而增强头皮上的电场分布。这种方法保留了传统脑电图（EEG）的高时间分辨率，同时显著提高了信噪比。4,5 MILEM 在神经康复场景中可能特别有用，在这些场景中，精确监测大脑活动至关重要，例如对于患有严重运动障碍的患者。
3.非侵入性干预技术
入耳式脑电图（EEG）设备提供了一种从耳道记录大脑活动的非侵入性方法。这些设备体积小、便于携带，使其成为家庭环境中连续监测的理想选择。在神经修复中，入耳式 EEG 可用于监测认知状态，并为旨在改善神经退行性疾病患者认知功能的治疗提供反馈。
4.微创干预技术
Stentrode 是一种微创血管内脑机接口，可从大脑静脉系统内记录神经活动。这项技术已显示出提供高保真神经记录且免疫反应最小的潜力。在神经修复中，Stentrode 可通过控制机器人肢体等外部设备来恢复瘫痪患者的运动功能。
5.微创植入技术
皮层脑电图（ECoG）涉及将电极直接放置在皮层表面，提供比脑电图更高的空间分辨率和带宽。这种方法比传统的皮层内植入物侵入性更小，可以提供有关皮层活动的详细信息。基于 ECoG 的脑机接口已用于运动康复和语音解码，显示出恢复丧失功能的巨大潜力。
皮下脑电图（sqEEG）系统由一个小型皮下植入物组成，能够以高保真度记录脑电图信号且运动伪影最小。这项技术特别适用于长期监测，可用于神经修复中跟踪癫痫或中风等疾病患者的康复进展。
6.侵入性植入技术
皮层内微电极阵列（MEAs），如犹他阵列，直接植入皮层组织，提供最高的空间分辨率和信号带宽。这些阵列可以记录单单元和多单元活动，使其成为精确运动控制应用的理想选择。在神经修复中，MEAs 已被用于开发脑控假肢设备，以恢复脊髓损伤患者的运动。
Neuropixels® 探针是先进的 MEAs，可从多个大脑区域提供高密度记录。这些探针已用于动物和人类研究，以了解复杂的神经动力学。在神经修复中，Neuropixels 可用于开发闭环系统，提供实时反馈和自适应刺激，以增强运动恢复。
结论
BCI 技术在神经修复中的潜力巨大，涵盖了从运动康复到认知增强的广泛应用。在最近对 2012 年至 2022 年 8 月这十年间发表的 6679 篇研究文章的回顾中，85.87% 的文章涉及非侵入性非植入技术，9.08% 涉及侵入性植入技术，4.84% 涉及微创植入技术。通过利用各种 BCI 方法的优势 —— 无论是非侵入性、微创性还是侵入性 —— 研究人员和临床医生可以开发出满足神经系统疾病患者特定需求的定制干预措施。持续的跨学科合作、技术创新和伦理警惕将是充分发挥 BCI 恢复和增强大脑功能潜力的关键。
（1）Sun YK, Chen XG, Liu BC, et al. Signal acquisition of brain-computer interfaces: a medical-engineering crossover perspective review. Fundam Res. 2024. https://doi.org/10.1016/j.fmre.2024.04.011.
（2）Ang KK, Chua KSG, Phua KS, et al. A randomized controlled trial of EEG-based motor imagery brain-computer interface robotic rehabilitation for stroke. Clin EEG Neurosci. 2015;46(4):310e320. https://doi.org/10.1177/1550059414522229.
（3）Pinti P, Tachtsidis I, Hamilton A, et al. The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience. Ann N Y Acad Sci. 2020;1464(1):5e29. https://doi.org/10.1111/nyas.13948.
（4）Sun YK, Liang LY, Sun JN, et al. A binocular vision SSVEP brain-computer interface paradigm for dual-frequency modulation. IEEE Trans Biomed Eng. 2023;70(4):1172e1181. https://doi.org/10.1109/TBME.2022.3212192.
（5）Sun YK, Shen AR, Du CL, et al. A real-time non-implantation bi-directional brain-computer interface solution without stimulation artifacts. IEEE Trans Neural Syst Rehabil Eng. 2023;31:3566e3575. https://doi.org/10.1109/TNSRE.2023.3311750.
（6）Athavipach Pan-ngum, Israsena. A wearable In-ear EEG device for emotion monitoring. Sensors. 2019;19(18):4014. https://doi.org/10.3390/s19184014.
（7）Oxley TJ, Opie NL, John SE, et al. Minimally invasive endovascular stentelectrode array for high-fidelity, chronic recordings of cortical neural activity. Nat Biotechnol. 2016;34(3):320e327. https://doi.org/10.1038/nbt.3428.
（8）Schalk G, Leuthardt EC. Brain-computer interfaces using electrocorticographic signals. IEEE Rev Biomed Eng. 2011;4:140e154. https://doi.org/10.1109/RBME.2011.2172408.
（9）Viana PF, Remvig LS, Duun-Henriksen J, et al. Signal quality and power spectrum analysis of remote ultra long-term subcutaneous EEG. Epilepsia. 2021;62(8):1820e1828. https://doi.org/10.1111/epi.16969.
（10）Vaskov AK, Irwin ZT, Nason SR, et al. Cortical decoding of individual finger group motions using ReFIT Kalman filter. Front Neurosci. 2018;12:751. https://doi.org/10.3389/fnins.2018.00751.
（11）Willett FR, Avansino DT, Hochberg LR, et al. High-performance brain-to-text communication via handwriting. Nature. 2021;593(7858):249e254. https://doi.org/10.1038/s41586-021-03506-2.
（12）Steinmetz NA, Aydin C, Lebedeva A, et al. Neuropixels 2.0: a miniaturized high-density probe for stable, long-term brain recordings. Science. 2021;372(6539):eabf4588. https://doi.org/10.1126/science.abf4588.
专栏作者
杨艺 主任医师
首都医科大学附属北京天坛医院
主任医师，国家神经疾病医学中心脑机接口转化研究中心执行副主任。北京大学八年制医学博士，英国牛津大学Nuffield临床神经科学中心访问学者。北京脑科学与类脑研究中心青年学者，北京市科技新星。
聚焦于意识障碍疾病的系统诊断、预后预测和神经调控治疗，以及脑机接口新型技术的临床应用研究。2022年作为项目负责人获批“科技创新2030脑科学与类脑研究”青年项目“意识障碍的闭环神经调控治疗”。
更多精彩内容 请关注作者
点击或扫描上方二维码，查看更多“功能”内容
