EPFL研发低功耗脑网络芯片识别认知与情绪状态

瑞士洛桑联邦理工学院神经技术实验室负责人马哈莎·肖兰团队研发出低功耗植入式神经芯片LogSync，可读取脑电信号并识别认知与情绪状态，为自适应深部脑刺激提供新路径。该芯片尺寸约4×2毫米，能够记录多个脑区活动，并实时提取反映脑波强度和区域间同步性的网络级生物标志物。其内置机器学习算法依据这些标志物区分不同认知与情绪状态，并在检测到特定状态时触发神经刺激，使治疗从预设参数式开环刺激转向根据患者脑网络动态调整的闭环模式。研究团队利用既往精神疾病实验中获得的人类脑电数据验证该系统：一套数据用于观察被试执行任务时的认知投入变化，另一套用于记录其观看视频时的情绪唤起。结果显示，仅凭神经信号即可区分相关状态。在美国明尼苏达大学开展的大鼠实验中，植入芯片能够持续追踪脑振荡，并在预设相位生成刺激触发。团队称，系统在硬件与算法协同设计基础上，引入对数运算以降低复杂计算需求，使片上完成神经网络的信号处理与解码时功耗控制在200微瓦以下，显著低于常见植入式神经接口系统。相关成果发表于IEEE固态电路期刊。研究人员表示，精神疾病更多与脑区之间通信障碍有关，因此基于脑网络的标志物有望提升刺激精准度。除情绪和焦虑障碍外，该技术还可应用于帕金森病等运动障碍的自适应深部脑刺激、无创闭环刺激及聚焦超声接口等领域。肖兰团队同时开发从神经记录直接学习的机器学习方法，并通过洛桑联邦理工学院衍生公司Infera Neuro推动智能神经接口走向临床应用。