如何将神经活动映射到相应的行为，是神经科学家们开发脑机接口（BMI）的重要研究方向。与之息息相关的人机界面，被用于读取和解释脑活动并将指令传输到计算机或机器。
尽管这听起来非常科幻，但现有的BMI成果已经能够实现将瘫痪的人与机械臂相互连接，并能解释人的神经活动和意图，进而相应地移动机械臂（加州理工团队有过类似的进展）。
不过，这一类的BMI进展，仍需要使用硬件设备进行侵入性脑部手术，才能实现神经活动的读取。
直到最近，神经科学顶级期刊Neuron在线发表了一项振奋人心的研究：一支科学家团队实现了用超声波读取猴脑，成功预测其运动意图。 
参与这项研究的机构包括美国加州理工学院、陈天桥雒芊芊脑机接口中心（T&C Chen Brain-Machine Interface Center）等，研究通讯作者之一是陈天桥雒芊芊脑机接口中心主任Richard Andersen教授。论文题为Single-trial decoding of movement intentions using functional ultrasound neuroimaging。
Science在对这项进展的报道中写道：这为“更低创的脑机接口”铺平了道路。
未参与该研究的斯坦福大学神经学家Krishna Shenoy称：“这项研究将超声波技术纳入到脑机接口领域，令人惊叹。”
超声波“读脑”
具体而言，研究团队利用超声波成像，预测猴子眼/手的运动信息，并根据这些信息生成机器人臂或电脑光标指令。对这一方法加以改进，将有望为瘫痪病人提供一种无需穿透大脑便可控制假肢的新方法。 “由于神经损伤或疾病而失去活动能力的人，已经通过侵入式脑机技术获得运动能力。不幸的是，只有少数瘫痪最严重的人才有资格并且愿意将电极植入他们的大脑。而功能超声是一种令人兴奋的新方法，它可以在不损害脑组织的情况下记录详细的脑部活动。我们突破了超声神经成像的极限，并为它可以预测运动而感到兴奋。最重要的是，fUS是一项具有巨大潜力的年轻技术，这是我们为更多人带来高性能、低侵入性BMI的第一步”，论文一作Sumner L. Norman表示。 这项进展之前，超声波在医学领域的应用并不罕见。长期以来，医生们一直使用该技术对内脏进行成像，比如通过其反射来指示体内不同组织与体液之间的边界。 大约十年前，研究人员发现了一种将超声波用于脑部成像的方法，即fUS（functional ultrasound）。该方法使用宽而平的声平面替代狭窄的波束，使得其能够比传统超声更快地捕捉到大面积的声音。
与功能性磁共振成像（fMRI）一样，fUS可以通过测量血流的变化，指示神经元活跃及耗能时间。其图像比功能磁共振成像分辨率更高，受试者也不需要躺进巨大的扫描仪。 论文作者之一、加州理工学院神经学家Richard Andersen指出，此技术仍需要切除一小块头骨，但与直接读取神经元电活动的植入电极不同，不必打开大脑的保护膜（brain’s protective membrane）。fUS可以在不穿透组织的情况下读取大脑深处的区域活动。 不过，远距离测量神经活动，这意味着会牺牲一些速度和精度。
论文作者之一、加州理工学院生化工程师Mikhail Shapiro说，与电极读数相比，fUS提供的信号显得“不太直接”，所以这就有一个问题：超声波图像真正包含了多少信息？
这些图像可以揭示意图产生时大脑的神经活动，但是，所得信号中，让计算机能够解码预期运动的信息充足吗？  为了找到答案，研究人员在两只恒河猴的头骨上植入了一些小的超声波传感器，大小和形状大致相当于多米诺骨牌。这个装置通过一根电线连接到一台电脑上，将声波定向到大脑中一个涉及运动意图的区域后顶叶皮质，以100微米的分辨率（单个神经元的大小约为10微米）绘制精确区域的大脑活动图。 研究人员训练猴子把眼神集中在屏幕中央的一个小点上，而在屏幕左侧或右侧，则另一个小点不断闪烁。当中心的点消失时，动物们很自然地将眼睛移到闪烁点附近。另一组实验中，猴子则需要用手操作操纵杆完成上述移动。 接下来，研究人员希望知道，记录而得的fUS图像中，与活动有关的变化是否可以用于解码非人类灵长类动物的意图，进而通过机器学习算法处理超声成像数据和相应的任务。
算法将负责学习哪种大脑活动模式与哪些任务相关，一旦对算法进行了训练，研究人员就会向其展示从非人类灵长类动物中实时收集的超声数据。之后，计算机算法将超声波数据转化为对猴子意图的猜测。
算法可以确定动物准备进行移动的时间，并显示这些猴子是计划转动眼球还是要伸展手臂。结果显示，在预测动作是向左还是向右上，眼球运动的预测准确率约为78%，而手部则约为89%。 此前曾有研究利用猴子大脑的fUS数据，来重建动物所看到的东西或眼球运动。但要做到这一点，就需要拉平长时间或多次运动收集到的信号。在这项新的研究中，研究人员收集了足够多的数据，使得其在每次猴子意图运动时，都能做出预测。 
真正可用的脑机接口还远吗？
根据加州理工学院介绍，这项合作研究，源于2015年Shapiro邀请fUI领域的先驱Mickael Tanter教授在加州理工学院做一个研讨会。
事实上，加州理工学院的脑机接口研究属世界一流水平。而对国内普通大众而言，这一认知恐怕还与一个顶尖富豪的名字有关——陈天桥。

巧合的是，就在这项研究发表前不久，国内互联网大佬黄铮宣布退休投入生命科学领域。而在他之前，对投入生命科学持如此决心和姿态的互联网焦点人物，正是陈天桥。
这位昔日的中国互联网之王和首富，曾在2016年做出一个让业界震惊的决定：投入生命科学领域，向加州理工学院捐赠1.15亿美金，创立陈天桥雒芊芊研究院(TCCI)，以推进脑科学研究。后TCCI又与加州理工共建陈天桥雒芊芊脑机接口中心。“人类多年的发展并没有解决大脑和宇宙这两件事情”，陈天桥曾如此阐述自己投资大脑科学的初衷。
同样是在2016年，马斯克也进军该领域，只不过是以商业公司的形式，成立了Neutralink。2020年，该公司还高调召开发布会宣布阶段性成果（见“数据实战派”报道：马斯克首次NeuraLink发布会，应该如何批判性看待？），更让脑机接口技术迎来了前所未有的关注，甚至大幅提高了普通民众对这一技术的落地时间表期待。
那么，这次的研究进展会加速这个“时间表”吗？
Shenoy表示，考虑到反应速度及可解码动作的复杂性，fUS“在接近已有植入技术的水平前还有一段路要走”，因为，不仅是向左或向右，电极植入技术已经可以完成多个方向的预期手臂运动解码了。下一步的关键，是利用计算机的实时预测来操纵机器人手臂或光标。
Max Planck神经生物学研究所（Max Planck Institute of Neurobiology）的神经科学家Emilie Macé补充道，由于血流信号比电信号更迟钝，所以速度是功能超声“天生缺陷”。她指出，研究人员解码猴子的运动意图大约需要2秒钟。 Macé提出了这些技术未来发展的一些思路，其中包括用3D成像替换平面成像来收集更多组织信息。
“这项技术的潜能还没有完全发挥出来。”

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。