当大脑命令无法抵达四肢：科学家发现脑电波可重建被切断神经通路

一位脊髓损伤患者坐在轮椅上，盯着笔记本屏幕上的指令，试图抬起已经瘫痪多年的右腿。他的大脑依然在发出正确的运动信号，只是这些信号在脊髓受损处戛然而止，永远无法传递到腿部肌肉。但如果有一种技术能够捕捉这些信号，绕过受损的脊髓直接激活肌肉，瘫痪患者是否就有可能重新站起来？

意大利和瑞士的研究团队在2026年1月24日发表于《APL生物工程》的最新研究中，证明了这种可能性的第一步。他们使用非侵入式脑电图设备，成功检测到四名脊髓损伤患者试图移动下肢时的大脑信号，并用机器学习算法将这些信号转化为可执行的指令。虽然目前只能区分"试图移动"和"静止休息"两种状态，更精细的控制仍是挑战，但这项研究为无需手术即可恢复运动功能打开了一扇窗。

被困在大脑里的运动指令

脊髓损伤患者面临的最大困境不是大脑失灵，也不是肢体神经受损，而是连接两者的脊髓通路被切断。伦敦大学学院教授Laura Toni在接受采访时解释，许多患者的四肢神经依然健康，大脑功能也完全正常，问题出在信号传递的中断。想象一下，大脑就像发令官，四肢是执行士兵，而脊髓是唯一的通讯电缆。一旦电缆被切断，再正确的命令也无法抵达目的地。

过去几十年，研究人员一直在寻找修复这条通路的方法。侵入式脑机接口是其中一个方向，通过手术将电极植入大脑皮层，直接记录运动信号并发送给脊髓刺激器或外骨骼设备。2023年，瑞士洛桑联邦理工学院的团队就用这种方法让一位完全瘫痪的患者重新行走，成果登上《自然》杂志封面。但这类技术的问题显而易见，开颅手术风险高，感染可能性大，而且对于大多数脊髓损伤患者来说，行走并非首要需求，膀胱控制、性功能和疼痛管理往往排在更优先的位置。

科学家发现，即使瘫痪导致身体无法做出反应，大脑仍然会继续发出运动信号。脑电图（EEG）头戴设备或许有一天能够帮助重新引导这些信号，从而无需手术即可恢复运动功能。图片来源：Shutterstock

Toni团队希望找到一个更安全的替代方案。脑电图是一种佩戴在头皮上的帽子，帽子上布满电极，能够记录大脑表面的电活动。它不需要手术,可以随时佩戴和取下,但代价是信号质量远不如植入式电极。控制手臂和手部的信号来自大脑表层区域，脑电图相对容易捕捉。而控制腿脚的信号来自更靠近大脑中心的区域，就像在嘈杂的体育场里试图听清楚中央某个人的低声细语，难度成倍增加。

从一个动作到四种尝试

研究团队招募了四名脊髓损伤患者，根据美国脊髓损伤协会的ASIA分级标准，一名为ASIA C级，即运动和感觉不完全损伤，两名为ASIA A级完全损伤，一名为ASIA B级运动完全但感觉部分保留。他们设计了一套递进式实验，患者需要在四个不同时间点尝试完成四种动作，分别是左侧髋关节屈曲、右侧髋关节屈曲、左侧膝关节伸展和右侧膝关节伸展。

实验协议精心设计。每次试验开始时，屏幕上会显示需要尝试的动作，随后是3秒的准备期，患者被要求在脑海中想象这个动作但不真正尝试。接下来是4秒的执行期，患者需要全力尝试完成动作，就像保持"最大收缩"一样。最后是4秒的静息期，患者完全放松。整个过程中，脑电图设备持续记录大脑活动，机器学习算法则试图从这些信号中找出规律。

结果显示，系统能够成功区分患者何时在尝试移动，何时在保持静止。统计学分析表明,在运动尝试期间,大脑中央区域的θ波、α波和β波频段出现了明显的事件相关去同步化现象,这是运动意图的典型特征。患者P1和P2在所有四个实验环节中都取得了显著高于随机水平的分类准确率，患者P3和P4则在第一个环节表现较好，后续环节准确率下降。

但当研究人员试图进一步区分左右腿或髋关节与膝关节的动作时，困难就来了。只有患者P1在多个实验环节中能够做到左右腿的区分，而且即使是这位表现最好的患者，髋关节与膝关节的区分准确率也勉强超过随机水平。这符合神经解剖学的预期，控制不同关节的皮层区域位置非常接近，脑电图的空间分辨率不足以清晰分离它们。

从实验室到临床应用的鸿沟

Toni坦言，他们的研究更多是可行性验证而非临床级的解决方案。大约1秒的运动尝试信号就足以可靠识别患者的移动意图，这为实际应用提供了基础。比如可以用这种信号触发周期性刺激协议，启动站立或行走序列，类似于目前临床上使用的按钮控制方式，只是控制信号来自大脑而非手指。

团队计划改进算法，使其能够识别更具体的动作类型，比如站立、行走或攀爬。他们还希望测试如何将解码后的信号发送给植入患者体内的脊髓刺激器,实现真正的闭环控制。这需要解决一系列技术难题，包括实时解码的计算效率、长期佩戴的舒适性、以及患者在日常生活中不同疲劳和注意力状态下的稳定性。

研究中一个有趣的发现是，患者P2和P3在第一次实验后的表现明显下降，研究人员认为这可能与动机维持困难有关。完全瘫痪的患者在开环校准过程中既没有肌肉反馈也没有视觉反馈，长时间重复尝试容易产生挫败感。未来的研究可能需要引入虚拟现实反馈或闭环控制，让患者能够看到自己的脑信号正在产生实际效果，从而提高参与积极性。

与侵入式脑机接口相比，脑电图方案的优势在于安全性和可逆性，劣势在于信号质量和解码精度。2023年瑞士团队使用脑表电图记录运动信号，实现了左右腿的精确区分，但那需要开颅手术将电极阵列放置在大脑表面。脑电图能否在不开颅的前提下达到类似精度，仍然是一个开放性问题。机器学习算法的进步或许能在一定程度上弥补硬件限制，但物理规律的约束终究存在。

重新定义运动恢复的可能性

这项研究的意义不仅在于技术本身，更在于它为脊髓损伤患者提供了一种新的希望。全球有超过2700万脊髓损伤患者，其中许多人处于育龄期，损伤对其终生的影响巨大。每位患者的终生医疗成本估计超过100万美元，而现有的康复手段对于完全损伤患者效果有限。

如果脑电图辅助的脊髓刺激系统能够成熟并进入临床，它将为那些无法承受侵入式手术风险的患者提供一条可行路径。即使初期只能实现简单的开关控制，比如启动站立辅助或触发行走程序，也能显著改善患者的生活质量和独立性。更重要的是，这种非侵入式方案可以在康复早期就开始使用，帮助患者保持大脑运动皮层的活跃度，避免长期瘫痪导致的皮层功能退化。

研究团队使用的机器学习算法基于决策树模型，这种方法在小样本异质数据集上表现稳健，不容易过拟合。未来的改进方向包括增加训练数据量、引入多模态信号如肌电图辅助判断、以及开发自适应算法能够根据患者状态自动调整解码策略。最理想的情况是系统能够学习每位患者独特的大脑信号模式，实现个性化的精准控制。

当患者坐在轮椅上尝试抬腿时，他们的大脑依然在发出命令，只是这些命令无法抵达目的地。脑电图技术正在学会倾听这些被困住的信号，并试图为它们找到一条新的通路。从实验室到临床应用还有漫长的道路，但至少现在我们知道，大脑并没有放弃，技术也不应该放弃。