義大利與瑞士的研究團隊近日於《APL Bioengineering》期刊發表一項關鍵研究，利用腦電圖（EEG）技術與機器學習演算法，嘗試為脊髓損傷患者重建大腦與肢體間的訊號聯繫。這項研究的核心在於利用非侵入式設備捕捉大腦運動意圖，並計畫將其轉化為電子指令，繞過受損的脊髓直接驅動神經末梢，為癱瘓患者提供一種無需進行高風險腦部手術的新型復健方案。
對於大多數脊髓損傷患者而言，其肢體神經與大腦神經元功能其實依然完好，只是負責傳遞指令的「高速公路」斷裂導致通訊中斷。當患者嘗試移動癱瘓肢體時，大腦仍會產生相應的電訊號。
研究團隊的目標即是截取並解碼這些訊號，將其傳送至脊髓刺激器。這種做法就像是在受損的脊髓兩端架設一條數位橋樑，讓大腦指令能跨越障礙，重新引導肢體動作。
相較於過往研究多依賴植入式電極來獲取高精度訊號，本研究選擇了安全性更高的EEG路徑。研究作者 Laura Toni 指出，雖然植入裝置效果顯著，但存在感染風險且需進行侵入式手術。
雖然EEG設備看起來像一頂佈滿電線的帽子，外觀可能令人生畏，但它完全不需要開刀。團隊希望透過這種低風險的方式，驗證非侵入式技術在腦機介面應用中的可行性。
然而，EEG技術在精準解碼上面臨物理限制。由於電極僅放置於頭皮表面，難以捕捉大腦深層的微弱訊號，這在解碼下肢動作時挑戰尤為嚴峻。Toni 解釋，大腦控制上肢的區域較偏向外側，易於定位，而控制下肢的區域則深藏於中心區域。
為此，研究團隊導入了機器學習演算法，訓練 AI 從混雜的背景雜訊中篩選出有意義的運動特徵，以克服訊號不夠清晰的瓶頸。
目前的初步測試結果顯示，該系統已能準確區分患者是處於「嘗試運動」還是「靜止狀態」，但在精確辨識特定動作指令上仍有待提升。研究團隊接下來的目標是優化演算法，使其能辨識如站立、行走或爬樓梯等更具體的動作意圖。
