【大公報訊】記者郭如佳報道：大腦不同區域之間通過神經元釋放的電脈衝，即「神經脈衝」，進行資訊編碼與傳遞。當神經系統疾病或損傷破壞這些傳輸通道時，便會導致運動、認知等方面的嚴重功能障礙。香港科技大學工學院學者於計算神經工程領域取得重大突破，該團隊開發了一個基於強化學習的神經脈衝生成模型，能夠準確預測神經訊號，從而形成一條「人工資訊通道」，有效繞過大腦受損區域，重建因疾病或損傷而中斷的神經功能性連接。該研究有望為因中風、脊髓損傷等導致功能障礙的患者提供革命性的神經復康新思路。

神經假體是透過構建一條人工資訊通道，將神經訊號從上游腦區傳遞至下游腦區，繞過受損部位，以恢復喪失的運動和認知功能。然而，其核心挑戰在於如何僅根據上游訊號，實時預測下游神經活動模式，從而最有效恢復行為功能。科大電子及計算機工程學系副教授王怡雯團隊提出了基於強化學習的跨腦區神經脈衝預測模型。

有望幫助中風患者復康

傳統方法根據下游神經元記錄來評估神經通道的功能完整性，但這在通道受損的患者中並不適用。相反，團隊開發的模型以「行為是否成功」作為反饋訊號來引導訓練，並將上游神經元的活躍脈衝實時轉換為下游神經元的預測訊號，從而在原本聯繫中斷的腦區之間重新建立通訊。王怡雯表示，新模型的核心理念是讓其模擬大腦，通過「試錯」來學習跨區域間的映射關係，為神經通道受損的患者構建一條「資訊小徑」，從而有效重建腦區之間的功能性連接。

團隊透過科大計算認知工程實驗室進行小鼠運動控制通道測試來收集數據，驗證了模型的有效性。結果顯示，新模型生成的「人工脈衝訊號」成功經由解碼器驅動小鼠做出目標行為，且成功率顯著優於傳統方法。此外，生成訊號的編碼特性和健康大腦中觀察到的自然神經調制特性高度相似。新方法具有強大的適應能力，能在不同解碼器設置下保持高性能，只需極少校準，便可迅速適應新試驗對象，增強模型的臨床轉化潛力。

王怡雯指，這種方法不僅為神經損傷患者的運動康復提供新途徑，更有望擴展應用於有高度認知功能受損患者的復康治療方案。未來團隊將進一步探索如何將模型的計算框架和神經調控技術相結合，與臨床機構合作將技術推向實際應用。