作者：生物世界
撰文丨王聪
编辑丨王多鱼
排版丨水成文
神经植入物可以通过直接调控异常的神经元活动来帮助治疗大脑疾病，例如帕金森病和癫痫等等。多伦多大学的Liu Xilin正在将微电子和人工智能（AI）结合，使这项新兴技术既安全又智能。
多伦多大学 应用科学与工程学院的助理教授Liu Xilin表示，神经元之间的交流部分是通过电信号进行的，而治疗性神经植入物能够产生电刺激，就像大脑的起搏器。在颤抖或癫痫发作的情况下，通过电刺激使神经元恢复到正常状态。通过电刺激使神经网络关闭和打开，就像重启电脑一样，当然实际没有这么简单，目前科学家们还没有完全理解其中的工作原理。
Liu Xilin团队将神经植入物集成到微型硅芯片中，其制作过程与现在电脑和智能手机中使用的芯片相同。这种技术被称为CMOS （互补金属氧化物半导体） ，能够减少设备的物理尺寸和功耗，从而最大限度地减少与植入物初始手术过程和长期使用相关的风险。Liu Xilin表示，团队已经开发了许多新的微电子设计技术，比如带有电荷平衡的高精度电刺激技术，尝试从多个不同的角度来解决这个问题。
Liu Xilin是神经技术中心CRANIA的一员，该中心由多伦多大学和多伦多综合医院合作建立，汇集了电气和计算机工程师、神经科学家、数据和材料科学家以及临床医生。他们一起研究改善大脑健康的方法，并制定替代治疗方法，特别是对那些对当前药物反应不佳的人。
在最近的一个项目中，Liu Xilin团队尝试利用人工智能 （AI） 的力量来最大化植入物的临床疗效，并将过度刺激的不良影响降到最低。
Liu Xilin指 尖上的是一个3×3毫米的神经植入物芯片原型
团队使用深度学习 （Deep Learning） 的AI算法，这种算法经过训练后，可以在面对新数据时提取深层信息。事实证明，深度学习算法在识别传统方法经常忽略的隐藏生物标志物方面特别强大，而且表现优于传统算法。
Liu Xilin表示， 大多数现有的神经植入物都会以恒定的速率产生电刺激，而不管病人实际情况如何。有了深度学习算法，就可以在最佳时间点激活神经植入物，而且只在必要的时候激活。
然而，深度学习模型的高计算成本使其集成成为一个挑战，特别是考虑到所有处理都必须在植入物中局部运行。云技术可以提供更强大的处理能力，但也有一个显而易见的缺陷，当病人进入电梯或飞机时，植入物可能会因为失去通讯服务而失灵。
为了减少计算成本，Liu Xilin团队开发了针对每个患者的情况训练和优化模型的技术。最近的一项研究显示， 通过在低功率神经植入物中进行深度学习来检测癫痫发作，其与在高性能计算机中运行的最先进算法相当 。这项工作于2021年发表在 Journal of Neural Engineering 期刊上。
全世界有多达10亿人患有各种大脑疾病，这项技术除了帮助癫痫的检测和治疗，还有着广泛的临床应用前景。
大脑中有太多的事情正在进行，需要一系列专家来理解和提供这些大脑疾病的解决方案，随着人类预期寿命的增加，这些大脑疾病只会变得越来越普遍。刘西林表示，除了癫痫，未来的目标还包括 慢性疼痛 、抑郁症和痴呆症。
Liu Xilin表示， 睡眠受损与阿尔茨海默病有关，而许多人都有不同程度的睡眠障碍，团队正在研究闭环神经调节技术，通过加强或抑制某些大脑节律来改善睡眠质量，从而帮助阿尔茨海默病患者。
