加州大学圣塔芭芭拉分校Michael Beyeler教授团队联合苏黎世联邦理工学院与西班牙研究人员，近日在《Neuron》期刊发表成果。该研究证实，深度学习模型可显著提升人工视觉皮层假体与大脑的通信精度与可预测性。 针对视网膜或视神经受损致盲患者，传统仿生装置往往难以奏效。研究采用视觉皮层假体直接绕过受损通路，将电极阵列植入大脑视觉处理区。2024年，团队在西班牙IMED Elche医院对一名因脑外伤失明的青年进行人体测试。研究人员训练深度神经网络，结合大脑静息状态与实时神经响应，自动优化电极刺激模式。临床测试表明，AI生成的方案以更低电流精准复现目标脑活动，且记录的神经反馈比单纯电极参数更能准确预测受试者的光幻视感知。 该研究突破将光幻视简单等同于“像素点”的传统工程思路，证实大脑神经响应具有高度非线性与动态波动特征。AI模型通过持续采集大脑状态数据，实现刺激方案的个性化自适应，使设备能随神经活动的日常变化动态校准。此项技术突破为开发具备长期稳定性、精准匹配个体神经特征的下一代植入式视觉假体奠定核心算法基础，有望为后天失明人群恢复部分视觉功能开辟切实可行的临床路径。