李路明院士出任清华大学校长，曾进行国内首个帕金森病脑机接口临床试验

撰文丨王聪 

编辑丨王多鱼 

排版丨水成文 

2023年12月22日，清华大学宣布，李路明同志任清华大学校长（副部长级）、党委副书记。 李路明，1968年2月出生，于1991年获清华大学学士学位、1996年获清华大学获博士学位，此后历任清华大学机械工程讲师、副教授、教授。2004年任清华大学航天航空学院人机与环境工程研究所所长，2011年任清华大学航天航空学院航空宇航系主任，2016年任清华大学航空航天学院常务副院长，2018年任清华大学航空航天学院院长，2022年任清华大学党委常委、副校长。2023年11月当选中国科学院院士。 李路明教授的主要研究方向为人机与环境工程、脑起搏器、神经调控。本文将介绍其近期完成的一项代表性研究成果。 

2022年10月，李路明教授团队在《国家科学评论》（National Science Review）发表了题为：Progress in the development of a fully implantable brain–computer interface: the potential of sensing-enabled neurostimulators 的研究论文，该论文还被选为当期封面论文。 李路明团队开发了一款可进行实时蓝牙传输的神经刺激器，该刺激器能够在植入后同步采集多通道的局部场电位信号，并通过蓝牙传输的方式传送至体外分析平台。 在这项研究中， 李路明 团队在一名 帕金森病 患者身上开展了临床试验，以丘脑底核为植入靶点，在患者完成 脑深部刺激 （DBS） 手术14个月后进行了 脑机接口 实验。 据悉， 这是国内首个治疗帕金森病的全植入式脑机接口，也是首次实现的基于脑深部核团局部场电位运动信息的全植入式脑机接口。

随着神经生理学记录技术和主动式植入式医疗设备的发展，感应式神经刺激器已成为全植入式脑机接口（BCI）的新兴技术。 这些植入式神经刺激器旨在用于脑深部刺激（DBS），这是治疗运动障碍和精神障碍的成熟方法。通过集成神经记录，感应式神经刺激器可以在提供刺激的同时通过DBS电极的可用接触采样局部场电位（LFP）。 在过去的十年中，通过集成低功耗记录、感应充电和无线通信，完全植入式脑机接口（BCI）取得了相当大的发展。 这些植入式脑机接口具有在复杂条件下通过高空间和时间分辨率记录神经活动来揭示精确的大脑状态和人类行为的潜力。 目前，完全植入式脑机接口是双向设计的，即用于解码大脑活动和调控大脑网络。后者的调控效应已成为脑机接口的一个重要方面。然而，大多数完全植入式脑机接口只在临床前动物模型中进行了研究。 从目前可用的解决方案来看，在实现完全植入式脑机接口应用方面，感应启用的神经刺激器尤其引人注目。在植入后记录侵入性神经活动的功能将使我们能够在临床环境中研究完全植入式脑机接口。所测量的大脑信号可以用作经典脑机接口系统的输入，作为临床评估的生物标志物，以及作为调节刺激脉冲的触发器和反馈。以往的研究已经验证了使用感应神经刺激器作为全植入式脑机接口的可行性。 2016年11月，乌得勒支大学医学中心的研究人员在《新英格兰医学杂志》（NEJM）发表论文，使用神经刺激器感应晚期渐冻症（ALS）患者大脑运动皮层中的局部场电位（LFP），并将信号传输到实时脑控打字系统。 现在，越来越多的临床研究人员正在尝试验证使用感应神经刺激器进行长期闭环刺激的可行性和有效性。 李路明 团队之前设计了一种感应式神经刺激器，用于临床实践中的纵向脑信号记录。并在最近改进了神经刺激器系统，研究了其作为运动脑机接口（BCI）的潜力。如图1a所示，感应式神经刺激器配备了蓝牙通信功能，八个局部场电位（LFP）通道（24位分辨率）可以区分接触对，并同步传输到记录的电脑或手机。其传输延迟<10毫秒，最大采样率为1 kHz。无线通信距离约为2米，可充电电池寿命为10年。该刺激器可连续采样和传输LFP约6-12小时，取决于同步通道的数量。 为了验证感应式神经刺激器的安全性和功能性，研究团队招募了一名帕金森病患者进行脑深部刺激（DBS）手术。研究程序得到了首都医科大学附属北京天坛医院伦理委员会的批准，并获得了知情同意。神经外科医生使用基于框架的立体定位和微电极记录技术的标准程序进行了植入手术。DBS电极被植入双侧丘脑底核 （STN） ，术后改善率为84.21%，术后改善证实了电极的位置和神经刺激器的基本刺激安全性和功能性。 为了验证神经刺激器的慢性局部场电位（LFP）感知和实时数据传输功能，在DBS电极植入14个月后进行了基于局部场电位（LFP）的脑机接口实验，其 在植入人体内后，可在进行刺激的同时，实时地采集脑深部核团的局部场电位信号，并通过蓝牙传输至体外数据平台。通过同步通道的设置，可以同步记录来自脑深部核团的信号、体表肌电信号等生理信号，以及屏幕显示指令，并实现精确的信号分析。 该研究首先解析了深部核团局部场电位的运动信息。在前期每次试验中，接受治疗的帕金森病患者按照屏幕提示进行上肢运动（反复伸掌-握拳），下肢运动（脚尖拍地）或静止放松三种任务中的一项。 随后，研究团队根据这些信息建立了 机器学习模型 ，建立起脑信号与被试动作状态之间的联系。机器学习模型仅利用脑深部核团的局部场电位（LFP）信号，识别每100毫秒的运动状态，经过反复调整和测试，模型的总准确率达到了89.85%。 接下来，研究团队利用这个机器学习模型进行了 模拟轮椅控制的实时在线运动脑机接口实验 。患者通过不同的运动任务控制屏幕上的模拟轮椅移动到指定区域。其中，上肢运动的持续时间决定轮椅的转向，下肢运动时轮椅加速前进，静止放松时轮椅也停止运动。 为尽可能模拟实际情况，研究人员将屏幕中的轮椅尺寸（红色方块）、运动速度和活动范围（白色区域）都按照实际生活中的常见值进行了等比例映射，实验任务相当于在9m×12m的空间内以最快1m/s的速度控制一台轮椅达到指定区域（绿色区域）。结果显示，在21次实验任务中，患者的成功率为76%，平均完成时间为63秒。

总的来说，该研究探索了带有感应功能的神经刺激器作为运动脑机接口的性能。据我们所知，这是首次在双侧丘脑底核局部场电位（STN-LFP）中展示基于运动信息的完全植入式脑机接口潜力的试验。 未来的研究可以进一步探索各种行为和生理状态的检测，例如想象运动、睡眠模式和精神状态，并探索在感应启用神经刺激器中进行机载计算的可能性。站在神经调控和神经解码的交叉点上，感应启用神经刺激器打开了一扇通往大脑深处的窗口，并可能在很大程度上推动闭环脑机接口的临床应用和发展。 

论文链接： https://doi.org/10.1093/nsr/nwac099