科大工学院开发跨脑区神经活动计算模型　重建受损神经通道

香港科技大学（科大）工学院学者于计算神经工程领域取得重大突破，团队开发了一个基于强化学习的神经脉冲生成模型，能够准确预测神经讯号，从而形成一条「人工信息通道」，有效绕过大脑受损区域，重建因疾病或损伤而中断的神经功能性连接。这项开创性研究有望为因中风、脊髓损伤等导致功能障碍的患者，提供革命性的神经复康新思路。 研究结果已于国际顶尖期刊《自然计算科学》上发表，论文题为「一种利用行为强化重建神经功能连接的生成式脉冲预测模型」。

大脑不同区域之间通过神经元释放的电脉冲，即神经脉冲，进行信息编码与传递。当神经系统疾病或损伤破坏这些传输通道时，便会导致运动、认知等方面的严重功能障碍。神经假体是通过构建一条人工信息通道，将神经信号从上游脑区传递至下游脑区，绕过受损部位，以恢复丧失的运动和认知功能。然而，其核心挑战在于如何仅根据上游讯号，实时预测下游神经活动模式，从而最有效恢复行为功能。

为此，由科大电子及计算机工程学系副教授王怡雯教授带领的团队提出了基于强化学习的跨脑区神经脉冲预测模型。传统方法根据下游神经元纪录来评估神经通道的功能完整性，但这在通道受损的患者中并不适用。相反，团队开发的模型以「行为是否成功」作为反馈讯号来引导训练，并将上游神经元的活跃脉冲实时转换为下游神经元的预测讯号，从而在原本联系中断的脑区之间重新建立通讯。

王教授表示：「新模型的核心理念，是让其如大脑般一样通过『试错』来学习跨区域间的映射关系。这使我们能为神经通道受损的患者构建一条『信息小径』，从而有效重建脑区之间的功能性连接。」

团队通过科大计算认知工程实验室进行大鼠运动控制通道测试来收集数据，并验证了模型的有效性。结果显示，新模型生成的「人工脉冲讯号」成功经由解码器驱动小鼠做出目标行为，其成功率显著优于传统方法。此外，生成信号的编码特性和健康大脑中观察到的自然神经调制特性亦高度相似。另外，新方法具有强大的适应能力，能在不同解码器设置下保持高性能，只需极少校准，便可迅速适应新试验对象，大大增强模型的临床转化潜力。 

王教授补充：「这种方法不仅为神经损伤患者的运动康复提供新途径，更有望扩展应用于有高度认知功能受损患者的复康治疗方案。未来，我们将进一步探索如何将模型的计算框架和神经调控技术相结合，并与临床机构合作，将技术推向实际应用。」

王怡雯教授为本研究的通讯作者，科大电子及计算机工程学系研究助理教授伍圣晖博士为第一作者。其他合作研究人员包括科大生命科学部和化学及生物工程学系教授、香港科技大学—中国科学院深圳先进技术研究院脑科学联合实验室主任刘凯教授、帝国理工学院生物工程系教授Dario Farina教授，以及佛罗里达大学电机及计算机工程学系特聘教授José C. Príncipe教授。

（原文由香港科技大学环球事务及传讯处在此发布。）