在家就能识别运动状态的脑内植入式神经接口

传统上，从侵入性神经信号解码人体运动依赖于复杂的机器学习算法，且数据多来自短期实验室任务，这限制了对自然行为中大脑功能的理解，也阻碍了临床可行的闭环神经调节技术的发展。本研究首次在人体内实现了利用完全植入式双向神经刺激器对特定运动状态（步行）进行居家分类。研究纳入4名帕金森病患者，在他们超过80小时的无监督日常活动中，同步记录了慢性运动皮层和苍白球的神经活动以及可穿戴设备采集的运动学数据。研究识别出具有高度预测性的个性化步态频谱生物标志物，并验证了其性能。关键的是，这些生物标志物能够通过神经刺激器内置的线性判别分类器驱动实时运动状态分类，满足了闭环刺激的设备级约束。本研究结果建立了一种前所未有的真实世界神经解码流程和个性化自适应神经调节的可扩展框架，扩展了植入式脑机接口的转化应用范围。