脑-机接口（BMI）创建闭环控制系统，通过记录和调节神经活动与大脑交互，旨在恢复失去的功能，最常见的是瘫痪患者的运动功能。此外，通过精确操纵控制回路中的元素，运动BMI已成为研究控制和学习的神经机制的新科学工具。除了运动BMI外，最近的研究强调了开发闭环情绪BMI的潜力，以恢复神经精神障碍患者失去的情绪功能，并探索情绪调节的神经机制。Maryam M. Shanechi在《Nature Neuroscience》上发表文章——Brain–machine interfaces from motor
to mood，回顾了在闭环控制观点指导下，运动BMI在功能恢复和科学发现方面取得的重大进展。通过关注BMIs的统一观点并回顾最近的工作，文章提供了BMIs如何扩展到神经精神障碍领域的观点。
1、引言
脑-机接口（BMI）旨在通过创建一条通向大脑的直接控制路径来读取神经活动、与外部设备交互，以及在某些情况下通过刺激大脑来写入神经信息，从而恢复神经和神经精神障碍患者失去的功能（图1）。迄今为止的工作主要集中在设计BMI，这种BMI有可能恢复瘫痪患者失去的运动功能。运动BMI使用称为“解码器”的数学算法，根据神经活动估计用户的预期运动状态，使用解码的运动指令控制外部执行端（假肢装置），并向用户提供感官和奖励反馈（图1a）。因此，BMI创建了一个闭环控制系统，其中大脑是控制器，以神经活动的形式决定其控制命令，以根据感觉反馈和运动目标移动神经假体（图1a）。然而，BMIs在功能恢复和科学发现方面的潜力可能远远超出控制外部执行器的运动系统。事实上，在许多神经和神经精神疾病中，目标是控制（即调节）大脑内部状态，而不是控制外部执行器的运动。神经精神疾病是全世界致残的主要原因，抑郁症是其中致残最严重的疾病，其目标可能是通过控制相关的情绪状态来恢复失去的情绪功能。许多抑郁症患者对目前的治疗没有反应，这使得直接脑电刺激成为一种有希望的替代疗法。此外，考虑到患者之间和患者个体内神经精神症状随时间的变化，提高疗效的一种方法可能是闭环BMI方法（而不是开环BMI），该方法根据从神经活动解码的症状变化改变刺激。我们可以设想一种“情绪”BMI，它将情绪症状状态（而不是运动状态）解码为反馈，以决定何时以及如何进行脑电刺激，从而在多维空间内控制情绪朝向治疗目标（图1b）。除了电刺激之外，情绪BMI还可以选择性地向用户提供解码情绪的反馈，以使他们积极参与控制（图1b）。
根据从运动BMI中获得的见解，有一些惊人的相似之处可以指导情绪BMI。首先，这两种BMI类型都需要从神经记录中解码大脑内部状态。此外，正如用户可以学习基于神经解码运动的反馈控制神经假肢一样，他们也可以学习基于神经反馈调节情绪状态。这表明，可以利用一些相同的学习机制，结合刺激，有效地控制情绪。事实上，类似的计算机制可能是感觉运动学习和控制以及情绪调节的基础。这些相似性，再加上大量关于情绪以及情绪处理的神经影像学文献以及最近情绪解码的证明，表明BMI有潜力扩展为情绪领域功能恢复和科学发现的有力工具。
2、用于恢复失去的运动功能的BMIs
闭环控制系统通过改变BMI解码器的构造和训练方式，并通过指导新的感觉运动BMI路径的特性，改进了BMI解码器（图2）。此外，用户通过改变神经表征来学习控制BMI，这一过程被称为神经适应。闭环控制系统还指导了BMI如何单独和结合解码器设计进行神经适应。BMI设计的第一个关键步骤是训练解码器（图2a）。一旦选择了解码器的模型结构，就需要通过将神经活动回归到训练会话中的运动意图来估计其参数。训练解码器的一种方法是指导用户在记录大脑活动时移动手臂或想象移动。这种方法是开环的，因为在训练期间，用户不控制BMI或接收反馈。闭环控制系统还强调了将学习诱导的神经适应与解码器适应相结合以改善BMI性能的潜力（图2a）。运动BMIs的闭环控制系统大大推进了其发展。闭环解码器自适应方法在用户控制BMI的同时训练解码器，从而考虑到由于神经自适应和非平稳记录而导致的神经表示的变化。此外，学习使用经过训练的解码器可以进一步推动神经适应，从而巩固BMI技能。解码器和神经自适应也可以结合起来，以实现在非平稳情况下快速实现的高性能和BMI技能学习。学习控制BMI涉及神经适应，这是由感觉和奖励反馈驱动的，可以改善性能。BMIs可以通过操纵系统内部元素来帮助研究感觉反馈在控制和学习中的作用（图2b）。运动BMI创建简单的感觉运动控制回路，从而为研究控制和学习的神经机制提供了新的科学工具。BMI感觉运动环路中的各种元素都可以很容易地进行操作，以促进这些研究，包括通过改变解码器进行大脑-行为映射，以及控制和反馈路径属性，如速率和延迟。最后，可以通过刺激不同于输出神经元的输入神经元来提供人工感觉反馈，例如刺激体感皮层，同时记录运动皮层。这些研究也指导了运动解码器的设计。
3、用于恢复失去的情绪功能的BMIs
文章提出设想，用于一般形式的电刺激情绪BMI由两个主要组件组成（图3a）：相关情绪状态的神经解码器（图3b）和反馈控制器（图3c），该控制器将解码的情绪作为反馈，以调整刺激参数。情绪BMI不是解码运动，而是解码情绪状态，并在情绪的抽象多维空间内将其控制到所需的治疗目标（图1和图3）。然而，开发情绪BMI涉及不同的解码挑战，需要解决一个新的建模问题：刺激如何改变与情绪相关的分布式多站点大脑网络的活动。解码器（图3b）将记录的多位点神经活动映射到情绪。在高维多站点神经特征空间中训练情绪解码器，但只有稀疏可用的情绪测量，这造成了一个具有挑战性的机器学习问题。情绪解码器是通过在多点记录中识别更小的网络来开发的，这些网络足以解码和学习这些网络活动的动态潜在状态空间模型。这些模型提取低维的潜在状态，这些潜在状态可以简约地描述神经特征的动力学，并可以回归到稀疏的情绪测量，以实现解码。反馈控制器（图3c）将决定如何刺激大脑以获得期望的治疗结果，例如如何调整刺激脉冲序列的幅度和频率。建立一个基于模型的反馈控制器需要训练一个输入-输出模型来描述神经特征对刺激的响应。然后可以使用输入-输出模型来构建基于模型的控制器，该控制器将解码后的情绪作为反馈。
4、结论
BMIs创建闭环控制系统，作为功能恢复和科学发现的工具。过去20年来，在动物模型和试点临床试验方面开展了大量工作，证明了运动BMI在恢复瘫痪患者功能和促进我们对控制和学习神经机制的理解方面的潜力。利用从运动BMI（心理学和神经影像学领域探索情绪过程、闭环控制原理和最新发展的丰富工作）中获得的见解，本文为将BMI扩展到神经精神病的新领域开辟了一条道路。