AI优化视觉皮层假体电刺激模式

包括美国加州大学圣巴巴拉分校在内的3家机构研究人员最新研究表明，人工智能（AI）有望让未来视觉假体（如“仿生眼”）更加精准、可预测并适应个体差异。研究人员利用深度学习模型优化植入大脑视觉皮层的“仿生眼”的电刺激模式，提高了对神经响应的控制和视觉感知预测能力。这标志着向开发能更有效与大脑沟通的视觉皮层假体迈出了重要一步。相关概念验证研究在线发表于最新一期《神经元》杂志。 视觉假体是一类利用神经刺激技术帮助失明者恢复部分视觉功能的设备。过去数十年间，科学家一直尝试开发视觉假体，但由于视觉系统结构复杂，设备实际效果仍存在局限。目前，一些视觉假体通过刺激视网膜工作，另一些则尝试作用于视觉系统更深层区域。 此次研究关注的是视觉皮层假体。这类设备绕过眼睛和视神经，直接向大脑后部负责视觉处理的视觉皮层发送电刺激，使神经元产生响应，从而形成视觉体验。研究人员表示，该技术未来有望帮助部分因中风、神经退行性疾病或脑损伤导致失明、但视觉皮层仍保持功能的人恢复一定程度的视觉。 此前，研究人员已在西班牙开展视觉皮层假体测试。一名因创伤性脑损伤失明的27岁男性接受了由96通道电极阵列组成的脑植入设备。电极向其视觉皮层发送电刺激后，受试者能感受到“光幻视”，即没有真实光线进入眼睛时产生的光感体验。这些光点或光斑有时类似闪光、星星或烟花。 为了提高刺激效果，研究人员训练了一种深度神经网络，使其能预测不同刺激组合可能引发的大脑活动模式。与传统方法不同，该模型不仅考虑电刺激参数，还结合了受试者每次实验前的大脑静息状态信息，从而根据个体神经状态调整刺激方案。 测试结果显示，AI设计出的刺激模式能够更加准确地产生目标神经活动，同时所需电流强度低于其他方法。更重要的是，受试者大脑中记录到的神经活动，比单纯的电刺激参数更能预测其实际看到的内容。换句话说，仅知道哪些电极被激活，并不能准确判断一个人会产生怎样的视觉体验，而大脑对刺激产生的真实反应提供了更可靠的信息。 此次研究使用的植入设备能同时完成电刺激和神经活动记录，使AI模型可以根据大脑真实反应进行训练。此外，将大脑静息状态数据纳入模型，有助于设备根据神经状态变化动态调整刺激方案。这可能成为未来视觉假体保持长期稳定运行的重要一步，因为人的神经反应会随时间发生变化。