义大利与瑞士的研究团队近日於《APL Bioengineering》期刊发表一项关键研究，利用脑电图（EEG）技术与机器学习演算法，尝试为脊髓损伤患者重建大脑与肢体间的讯号联系。这项研究的核心在於利用非侵入式设备捕捉大脑运动意图，并计画将其转化为电子指令，绕过受损的脊髓直接驱动神经末梢，为瘫痪患者提供一种无需进行高风险脑部手术的新型复健方案。

对於大多数脊髓损伤患者而言，其肢体神经与大脑神经元功能其实依然完好，只是负责传递指令的「高速公路」断裂导致通讯中断。当患者尝试移动瘫痪肢体时，大脑仍会产生相应的电讯号。

研究团队的目标即是截取并解码这些讯号，将其传送至脊髓刺激器。这种做法就像是在受损的脊髓两端架设一条数位桥梁，让大脑指令能跨越障碍，重新引导肢体动作。

相较於过往研究多依赖植入式电极来获取高精度讯号，本研究选择了安全性更高的EEG路径。研究作者 Laura Toni 指出，虽然植入装置效果显着，但存在感染风险且需进行侵入式手术。

虽然EEG设备看起来像一顶布满电线的帽子，外观可能令人生畏，但它完全不需要开刀。团队希??透过这种低风险的方式，验证非侵入式技术在脑机介面应用中的可行性。

然而，EEG技术在精准解码上面临物理限制。由於电极仅放置於头皮表面，难以捕捉大脑深层的微弱讯号，这在解码下肢动作时挑战尤为严峻。Toni 解释，大脑控制上肢的区域较偏向外侧，易於定位，而控制下肢的区域则深藏於中心区域。

为此，研究团队导入了机器学习演算法，训练 AI 从混杂的背景杂讯中筛选出有意义的运动特徵，以克服讯号不够清晰的瓶颈。

目前的初步测试结果显示，该系统已能准确区分患者是处於「尝试运动」还是「静止状态」，但在精确辨识特定动作指令上仍有待提升。研究团队接下来的目标是优化演算法，使其能辨识如站立、行走或爬楼梯等更具体的动作意图。