-一些过往研究也表明，40Hz感觉刺激有助于改善人类的高级认知功能。例如，在桑塔内尔基（Santarnerchi）及其合作者的多项研究中，他们发现40Hz的经颅电刺激（transcranial

智力障碍，是一种全身性神经发育障碍，其特征是认知障碍且具有适应性行为缺陷。由于大脑器质性损害或大脑发育不良，与正常人相比，智力障碍患者的认知发展会出现延迟且需要更长的时间。他们的数量不容小觑，约占全球人口的1.8-3.2%[1,2]。对这一人群的认知变化进行敏感且精确的检测，是临床试验和其他研究的关键需求。但目前缺乏这种经过充分验证的检测手段。“发育能力较低的人，通常被排除在研究和临床试验之外。”加州大学戴维斯分校MIND研究所的精神病学和行为科学系教授大卫·赫塞尔解释道。“这意味着目前的研究结果并不适用于智力障碍这个群体。”论文题目：Sensitivity

艺术灵感从何而来？艺术家是否有着某些神奇的特质，驱使他们挥舞灵动的画笔？如果精神疾病是其中的一味添加剂，我们又是否能够通过艺术作品反推精神疾病呢？01回溯历史上的艺术与疾病时间追溯到文艺复兴时期。在文艺复兴时期代表人物阿尔布雷希特·丢勒（Albrecht

在新脑论坛第二期中，清华大学医学院生物医学工程系高小榕，清华大学医学院生物医学工程系研究院、清华大学人工智能研究院副院长洪波，哈佛大学工程和应用科学学院助理教授刘嘉与蓝驰创投投资副总裁别西，就“脑机接口，产业路径何在？”展开精彩讨论。下文为本次论坛圆桌部分的内容整理，更多精彩回顾还请关注“NeuS”公众号，我们将陆续为您更新。别西：刚才高老师给脑机接口做了一个综述，总结了脑机接口的发展历程，其中有很大一部分涉及AI方向。在2012年之后，AI在学界乃至各个领域里都发挥了越来越强的作用。想请高老师谈一谈AI在脑机接口里具体能发挥哪些作用？高小榕：实际上AI在脑机接口方面发挥的作用，在于AI能够促使多智能体社会出现。什么是多智能体社会？以现在很火的概念——元宇宙为例，虽然元宇宙的发展遇到了一些困难，但实际上它遇到的困难是显示技术上的困难——从原来的多人一屏（我们看电影看电视都是多人一屏）；发展到一人一屏（我们一台电脑一个手机都是一人一屏）；再到现在发展出近眼显示技术（显示器已经不在手的范围之内，而是在眼睛）。如果元宇宙需要通过眼睛交互，且我们不能拿手去碰眼睛，目前的触屏形式都不适用。所以在这个场合下，我们怎么通过眼镜来实现人机交互就成为了一个难题。所以我认为元宇宙必须实现四个“联”。第一个“联”是互联，我们这些信息都是能够互联的。第二个是价值的联接，我们通过区块链能实现这种价值的联接。第三个“联”就是我们通过VR眼镜而实现境联，我看到的东西能够实时反映到你那儿，你看到的东西也能实时反映到我这儿，这就是环境的境界的联接。第四个“联”，我觉得应该是灵联，就是说我们的意识、需求和欲望，要能直接反映在我们“联”的过程中。灵联技术实际上比脑机接口要更宽一些，到这个层面我们才能解决价值上的交往问题。现在我们AI再怎么发展都只能解决物理层面的“是什么”的问题。比如，这个东西是个杯子或者是个汽车等。但是价值层面的问题——这个东西会给我带来什么价值，我如何表达需求，目前AI是解决不了的。我经常举的一个例子，如果有一个人跟你说，或者我跟别人说给我一个“苹果”，就这么简单的句子，在不同的场合就要做不同的解释。比如说，我如果在一个手机店里说给我一个苹果，那肯定是指你给我拿一个苹果手机；但我如果在一个水果店或者在食堂或餐厅说给我一个苹果，那肯定拿的是食物。所以在选择这两个东西的价值时，AI是无法解决的。场景以及语境的问题，都必须通过脑机接口或通过灵联，把我们想表达的价值告诉计算机。如果我们想进行很好的交互，在物理层面，AI可能能干好多事儿，但是到价值层面，一定是由人来赋予的。如果我们人不能做到把我们的价值赋予计算机，或者让计算机知道，我们的交互就会很困难。所以在AI层面一定要赋予脑机接口人类的价值，把我们的喜怒哀乐都输入进去。AI解决物理层面的问题，而我们人解决价值层面的问题，一个最现实的技术就是我们现在最热的技术——元宇宙，也需要脑机接口实现第四个联，灵联。否则的话，只是脑机接口，只是一个大屏幕，把我们这个屏幕从原来一个很小的桌面上的东西放到眼镜上了，一定是局限的，这是我个人的看法。别西：高老师相当于是从宏观的层面解释了一下AI在人机交互场景里的功能定位以及在脑结构方面的作用。其实在刚才的讲座里洪老师和刘老师也都提到了AI的研究开发进展，包括在语音解码和其它信号解码方面的一些进展所以我想请两位老师也分别谈一谈，您们觉得这方面能够发挥哪些作用？洪波：我举了一个例子，就是在语音解码方面，我觉得AI有两个方面可以帮助到脑机接口的技术发展。一个就是从神经信号到解码出来的内容之间，本质上是个数学的映射。大家知道我们现在的深度学习最擅长的就是，如果有足够的数据，就可以把映射学习得非常好。虽然我不知道映射的函数是什么，AI现在通过数据和不断的训练学习就能够得到。这是第一点帮助，这在很多脑机接口的运动、语音解码上都显示出了优势。第二个跟高老师刚才说的有点关系，就是说事实上机器解码出来的内容，比如我说了一句话，或者我看到一个场景，它是有统计规律的，先发生什么后发生什么。它的场景是什么？这个中间你可以用一个统计的规律把它刻画出来。如果把统计规律再用AI嵌入到你的解码输出里面，就可以四两拨千斤，只要用很少的信号，解码出来的信息量就很大。因为解码的信息本身并不独立，它有时间上的相互依赖关系，在这点上语音和运动解码都体现出了这一优势。所以，这两个方面我认为人工智能的深度学习算法可以给脑机接口解码带来帮助，甚至是很大的促进。过去这几年我们看到的解码速率的提升，跟这一点是比较有关系的。语音解码模型https://doi.org/10.1007/s13534-015-0175-1别西：好的，在刘嘉老师讲之前，我想再追问洪老师一个问题，刚才讲的线性解码，和语音解码，您觉得AI在这两块发挥的作用是一样的吗？还是说线性解码这一块可能发挥作用更大？洪波：其实我们现在很多机器学习的方法就已经把线性解码解决得非常好了，系统也很稳定，对于用户来讲变成了一个学习问题。就像你学习打网球一样，我把这个线性解码脑机接口系统给用户，用户和系统之间相互适应，用户慢慢就学会了怎么调节自己的神经活动去适应这个系统。用户学会了一项新技能，跟会打网球了，会游泳了一样。而像语言这样的复杂的解码，它中间的映射函数还不清楚，所以我觉得人工智能在里边发挥的作用可能更大。甚至规律都不知道，反正它能运行，就像现在AlphaFold解决蛋白质折叠问题一样，或者AlphaGo下围棋一样，好多事情你并不能写出它的数学方程解析的形式，但是它能够运行，从工程上做产品的角度来讲，这是很有价值的。别西：好的，接下来时间交给刘老师谈一谈您的看法。刘嘉：我觉得两位老师已经说得非常好，我从另外两个角度去做一些补充。第一个在大数据的角度，现在我们能够长时间稳定测量神经信号，而且我们希望追求更多的通道，更快地获取神经信号。因此这个数据量已经大到传统方法已经不能够快速地处理了。比如说在我的实验室基本上所有的问题都在用机器学习的算法来去做解码，甚至我们现在做峰值检测（Spike

在上期新脑论坛中，裴为华老师从提取神经活动信号的传感器角度出发，和我们一起探讨脑电极和植入式神经电极的发展现状和技术难点。基于本次论坛内容，“神经现实”团队对裴为华老师进行了更为细致地专访，与他一同探讨了有创与无创电极的应用前景、集成电路芯片的研发与困境。后续更多精彩专访，还请关注“NeuS”公众号，我们将陆续为您呈现。专访嘉宾裴为华中国科学院半导体研究所研究员中国科学院大学岗位教授，博士生导师。研究方向主要为神经接口和脑机交互，研究用于记录或干预神经活动的器件和相关技术。在此基础上，研制高通量、高性能的植入式神经微电极传感阵列器件；研究满足在体环境下使用的便捷式脑电传感材料、器件和对应的安放及信号读出系统。2005年毕业于中国科学院半导体研究所，获博士学位，同年进入中国科学院半导体所集成光电子学国家重点实验室工作。2006年在德国马普微结构物理研究所作为期半年的交流访问。主要从事的研究方向为便携式及植入式电生理传感器件，探索和开发新的神经信号感知和干预方法及相关技术，承担并圆满完成多项国家863、重点研发计划、国家自然科学基金重点及中国科学院先导项目，在国内率先研发出可实用的无创凝胶电极和植入式硅基多通道微电极，目前已在美、韩等多个国家的相关实验室应用。在国内外发表相关论文100余篇，授权相关发明专利15项。请简单介绍一下您的研究方向和目前的科研情况。裴为华：我们团队研究方向主要为神经接口和脑机交互，研究用于记录或干预神经活动的器件和相关技术。比如在无创脑机接口的应用中，我们会研制新型电极，然后研究新型电极的佩戴形式、佩戴时间，电极通道数以及信号质量对脑机接口的速度、正确率的影响等。当前脑机接口蓬勃发展，其中脑电信号的采集被普遍认为是后续研究的基础，目前常用的信号采集方式有哪些？其中已经开始产业化的采集方式有哪些？您比较看好其中的哪些采集方式的应用前景？裴为华：这个问题涉及脑机接口应用的核心问题，即无创和有创哪种技术最终会胜出。目前来看，还无法判断。尽管无创技术安全性比较好，被市场大众的接受程度比较高，但由于颅骨的阻隔，所以我们能够取到的信号量（不是信号质量）、信号带宽非常有限，不到100赫兹，而低频的信号很难提取出比较丰富的信息。其次要考虑信噪比，只有电极和皮肤接触得很好时，才会有比较好的信噪比。无创技术采集信号时既有来自于运动的噪声，还有身体内在的噪声（除脑电信号外，还伴随着肌电和心电信号），尽管大部分情况下这些信号是可以去除的，但我们不排除在一些特殊的应用场景下，这些内源性信号会对脑电信号产生较大的干扰。无创脑电在采集上的瓶颈是，如何让电极既可以轻松快捷地佩戴，又有很好的信号质量。除此之外，无创脑电的带宽是有限的，所以现在大部分的无创脑机接口不是直接解码信号，而且需要将信息赋予一定意义，才能做脑机接口。至于有创的信号采集方式，从外到内可以分为几个层次。一种是动物身上经常使用的皮下EEG电极，信号质量相对稳定。再就是颅骨下ECoG电极，可以提取ECoG信号或场电位信号，由颅骨屏蔽掉大部分从皮层发出的高频信号，所以一旦能够进到颅骨以下，就能够提取出频率比较高的信号，颅骨以下信号的频率和空间分辨率都会有所改善。再往里是扎到皮层中、深入到核团里的记录电极，可以记录spike（锋）信号，提取到单个神经元的发放，比场电位信号的频率和空间分辨率又提高一个层次。总结一下信号提取的方式，从头皮外的无创脑电，到头皮下的EEG，到颅骨下的场电位，再到皮层间的spike信号，信号的频率和空间分辨率在一层层提高。如果我们能够同时提取很多神经元的动作电位，就有可能反映出整个神经环路或是一个神经网络的精细活动。植入式脑机接口，尤其是深入皮层内部的皮层间记录，它能记录单个神经元的发放，就可以利用皮层间的电极记录的多导信号，对胳膊、手指动作进行精细的解读，甚至解析三维运动。比起无创脑机接口，这种脑机接口能直接解码运动意图，再去控制手臂的运动。尽管有创脑电的频率高、空间分辨率高，还能直接解码运动意图，但需要开颅放入电极，所以存在一些风险。记录电极能够记录单个神经元发放，但需要把电极放到神经元附近，而且电极的植入往往会引起大脑皮层或神经元附近的免疫反应。目前记录单个神经元发放的脑机接口只是科研上的一些尝试，其持久性还是科学研究的范畴。目前人体上获准应用的商品化记录电极只有一款，叫犹他电极阵列（Utah

在上期新脑论坛中，李骁健老师从植入式脑机接口系统实现与场景应用的角度，介绍了其研究现状和转化的可能路径。基于本次论坛内容，“神经现实”团队对李骁健老师进行了更为细致地专访，与他一同探讨了脑机接口全链条的学科合作及其发展路径。后续更多精彩专访，还请关注“NeuS”公众号，我们将陆续为您呈现。专访嘉宾李骁健中国科学院深圳先进技术研究院正高级工程师，博士生导师主要研究动态脑神经信息高通量采集技术、神经环路解析和解码技术以及神经调控新技术。在国内率先贯通植入式脑机接口技术链，在国际上率先开发了基于光纳米技术的非遗传式神经调控方法。在精密机械工程、光学工程、电子工程和神经工程领域均具有扎实且全面的研发基础，多篇成果发表在多个学科的Nature子刊以及专业一流期刊中。能先为我们简单介绍下，您和您的实验室现在主要在做哪些内容吗？李骁健：我们实验室主要还是延续以前在美国做神经技术相关的工作，包括神经电子和神经光子学。神经电子这方面是因为我以前在美国主要是在神经生理学实验室工作，做仪器技术研发，属于方法学，例如高通量的神经信号采集和分析的装置，后期也有做神经刺激调控的工作。我们前期的主要工作是做神经信号采集，我们首先就是要尽可能高质量采集神经信号，这也是几十年来主流的神经信息分析方式。被大众广泛认识的脑机接口，就包含电生理信号采集装置，它是目前主流的脑信息采集装置。另外还有神经光子学，比如说提高扫描分辨率的双光子显微镜，大家可能也比较熟悉，现在这几年用的比较多，我也做这一技术。但回国之后，这不是我主要的工作方向。至于为何双光子显微镜这块现在不是我们的研究重点，是因为神经电子技术涉及的技术链已经比较长了，不想把战线拉得过长。现在主要聚焦在神经电子信号的采集和解析，就是大家普遍了解的植入式脑机接口技术。这些技术其实历史比较悠久，只是这些年主要得益于微电子技术及微纳加工技术的发展，现在的采集系统有芯片化的趋势，使整个系统微型化。我们也有和别的实验室合作研发新型神经传感器，柔性化更高的高密度高通道的神经电极阵列。工作中也会涉及神经技术中的未来技术开拓，比如说我们9月初在Nature

在新脑论坛第一期中，中国科学院深圳先进技术研究院正高级工程师李骁健，上海交通大学计算机科学与工程系二级教授吕宝粮，中国科学院半导体研究所研究员裴为华，蓝驰创投投资副总裁别西，就“脑机接口，商业化难题何解？”展开精彩讨论。下文为本次论坛圆桌部分的整理文稿，更多精彩回顾还请关注“NeuS”公众号，我们将陆续为您更新。别西：最近这5-10年的脑机接口，不管是在商业方面，还是在技术方面，都有了很大的进展。老师们认为脑机接口领域进展的驱动是什么？它是技术驱动，还是应用驱动？李骁健：我认为应该是两方面同时存在。如果从需求上来说，这是两者互相促进的效果。这就相当于拉车，有人在前面拉，有人在后面推，这是共同发力的结果。当然，从医疗器械等角度来看，如果没有强烈的市场需求在牵引，实际上也没有人想做脑机接口方面的投资。就好比我开始提到的DARPA的资助，这肯定不完全是为了追求科幻，满足技术方面的酷炫，它本身归属于美国国防部，是有明确需求的。实际上，互联网技术早期，从上世纪40年代就开始有DARPA很多资助。后来技术逐渐成熟并且扩大化应用，才扩展到民用方面。这都是同一个逻辑。其实对于脑机接口来说，也正是因为早期至少存在一些医疗需求，才能有现在的发展。最直接也最明显的，就是针对患有神经系统疾病的病人。除此之外，还包括老龄化社会中不断增长的瘫痪病人。整体来说，需求应该是第一位。当然，这并不是说我们有这个需求，就立马有产品了。就像刚才我提到早期的Blackrock那种脑机接口装置，那是有线的很庞大的一套设备。因为它需要在头上引出线路，这虽然是可用的，但对于需要普遍使用的场景来说，太傻太笨重，还有感染风险。这种从头皮上钻出来的金属罩，就算是平日研究者来使用，也不好用，更别说普及了。所以说，我们需要把它微型化，甚至是无线化。近些年，随着微电子技术的发展，我们已经可以做到微型化，甚至可以完全植入，再把头皮缝合，通过无线传输，这样就不会有明显的感染风险。再比如刚才裴老师提到的各种植入电极，如果采的信号质量比较差，且不能长时间使用，也是比较大的麻烦。可能费了半天劲做植入手术，结果没用几天就废了，这肯定也不行。最近，一方面是微纳加工技术及设备的发展，另一方面是材料方面的进步，已经可以做柔性的植入传感器，它能延长传感器的使用时间。也就是说，这些硬件技术，甚至包括人工智能的发展，算力的提升，都对脑信息的快速分析和解码有很大的推动。这都是由重要的技术支持而形成的解决方案。所以说，这些软硬件技术确实提供了推动力。对脑机接口这辆车来说，需求有方向的牵引，而后的软硬件技术则产生了推动。牵引和推动共同促进脑机接口技术，向着实际的应用落地。这是我的想法。别西：在讲座中李老师和裴老师都对侵入式的脑机接口做了比较多的分享，而吕老师更多关注的是非侵入式。在商业应用方面，非侵入式走得要更快一些。所以想请吕老师也谈一谈这个问题，我们这些年脑机接口的进展是由什么驱动的？技术驱动、应用驱动、还是两者都有，具体情况是怎样的？吕宝粮：我认为刚才李老师说得很对，应用和技术两方面都有。随着我们国家的老龄化，老年人的脑血管疾病、精神疾病等问题也变得严峻起来。而传统的技术却遇到了瓶颈。比如在脑深部电刺激（DBS）这一领域，我们国家做得非常好。譬如昨天我刚好在瑞金医院参加了一个小型的内部会议，在神经调控方面他们做得相当出色。不像二十几年前，核磁共振设备基本都是国外的。在DBS这方面，我们国家就有两家不错的公司——景昱和品驰。只不过在美国，如果你得了帕金森病，医疗保险是可以覆盖做DBS的费用。但相对来说，我们国家帕金森病患者大概有几百万，数量也很多，可因为公费医疗没有完全涵盖DBS的费用，有的患者很可能负担不起，这些人就没办法享受到先进的治疗技术。所以我认为需求和技术是动态变化的。还有一点，方向也非常重要。举电动车的例子，我们国家看的方向比较准，而有些国家可能就没有看准这个方向，因此错过了发展的最佳时机。可能你的技术已经达到了这个层面，但是否选择投入资源，在几年之内，就会形成比较大的差距。我个人认为非侵入式脑机接口，它的器件和设备还是有点贵，用起来也存在信号质量不好等问题。但要是等到问题全部解决了再研究和开发，可能也不行。像现在这样几个渠道同时做，随着硬件、算法以及范式的改进，一些应用的落地可能会更快。我不知道企业里是怎样的，但高校还是受一些政策的影响比较大。相当多的人是在做一些容易发文章的东西，也不太讲求效益，创新性可能也不是特别高。总结一句话就是：硬件、软件、算法和范式相关的创新，都已经进入了一个可以做应用的阶段。我20年前从日本到交大的时候，当时要买64导Neuroscan设备需要120多万，是非常大的一笔开支。但现在，我们国内高校要想买这样的设备已经变得相对比较容易了，已经到了一个大家都可以参与的阶段了。SR1101可充电植入式脑深部电刺激套件景昱医疗别西：谢谢吕老师的分享。我们作为投资公司，可能更关注商业化落地的方向和应用，并且我自己是神经生物学背景，所以跟国内做这块的公司和老师多多少少都有一些接触，也有同感。可能大家以发文章为主要驱动，就会忽视许多真正重要的问题。不知道是导向的问题，还是说大家的兴趣偏好，甚至可能是能力问题，导致有很多低水平的重复，这么说有点太严重，但确实有很多真正重要且难度更大的问题，还没有被解决。沿着刚才吕老师提到的国内外的比较，这个问题我想提给裴老师，因为刚才您的工作也比较了很多国内外的公司以及高校正在做的一些工作，您觉得我们现在脑机接口这一领域，从底层技术来看，跟国外有哪些差距？同时我们有没有一些差异化的优势？裴为华：我报告里提到的电极有无创和有创两块，整体上来说咱们两块跟国外，尤其是跟美国比，可能都有一些差距。无创这方面，尽管国内也有无创采集放大器做得非常好的，但无创采集的硬件涉及多个关键配件，例如脑电帽。但你别看它只是个纺织产品，但在应用中，它其实需要很多技术的积累，比如说一个帽子戴上去以后，怎么样才能让每个电极都很好地跟头皮接触，这就需要多年的积累才能做好。所以在无创这方面，我认为我们的电极，放大器甚至有些帽子目前都做得很好，但整合成面向实际脑机接口应用的产品还需要积淀，再有就是放大器的核心芯片，还是国外提供的，这是硬件本身的底层技术。所以，在硬件上，国内跟国外相比有一些差距，但更主要的差距是在应用方面，差距还要稍微更大一点。再一个是基于无创脑电的算法或解码方法方面，我觉得以吕老师、清华大学为代表的做无创脑机接口的团队，我们的有些技术还是走得挺靠前的。而有创方面，我们本身起步比较晚，所以在植入电极这块，确实弱于以美国为代表的一些国家，他们的种类更丰富，器件的技术也更先进，其相关技术不止我报道里提到硅基的、PI基的等有限的几种，其探索的范围更广更深。虽然很多工作都是华人在那边去做的，但是美国的积累确实比较长，植入式电极，尤其是在用于人的方面，美国的发展确实要好一点。有创电极的放大设备，特别是其核心放大芯片，它的近况可能比无创电极还要再滞后一点。因为它不像无创那样有很大的需求，所以国内的一些公司很早就开始开发无创电极接口的放大电路，但是有创这一块大部分时间还是用在实验室里。直到十几年前，才有一些国内的机构以国外的一款芯片为核心，搭建我们国内的有创采集系统和设备。经过十来年的发展，目前国内的这些脑电采集设备也做得很不错了，但在面向用户的软件应用方面仍然较弱。比如说信号采集过来以后怎么怎么进行信号的分类以及信号处理，以满足采集人员分析信号的需求。这方面我们经验还是不足，和用户互动的时间也比较少。所以有创跟无创比起来发展得又慢又晚。而有创能够做的事情又更多，我们滞后的更多一点。比如说，美国已经做了几十例的病人了，具体的数据可能李老师更清楚，但是国内可能只有个位数。这是我大概的一个看法。别西：因为脑机是一个特别复合的工程，有软件有硬件，还涉及到神经生物学，以及芯片电极算法，您觉得这些方面中，我们最有可能在哪方面产生突破？裴为华：就像您说的，我也觉得脑机接口每一方面的进步，都离不开其他几个方面的支撑，它是一个交叉学科。就我自己来说，我最大的感受是，这是一个系统工程，每一个方面的进步都会受到其他方面的制约。包括您刚才提到的电极、芯片、算法、系统、做动物实验的人才、以及使用平台和方式等等。像是研究神经生理的人会给我们提一些需求，需要记录5个通道的信号，我们拿只有1个通道电极分别放5个地方，以前是可以接受的。但是现在国外出了Neuropixels，一下就能同时记录几百个通道。分别记录的效果且不说，通道数少的效率相比人家低了若干倍。再者信号记到以后，你还需要有能力来传输和处理。这又涉及到通讯速率、带宽、无线传输等技术，所以这里面涉及到许多技术，相互之间会有许多制约和限制，都需要一一去解决。如果要说我们在什么地方能够有突破，我真看不出来。原先我们是想就买国外的设备，我们好好做后头的应用。但是国外把你前头一卡，你后头那些就是镜中月水，无源之水。没有了前头的这些采集，你后头信号处理得再好，又有什么用呢？所以说在某一方面的强可能不是真正的强，而且也强不起来。如果没有国外的设备芯片或者是其他团队的支撑，许多事情没法做起来。我们现在就面临着这样的问题，没有芯片，做多通道的时候只好靠在工艺上去把线条做得更细，增加密度；或者通过堆叠增加数量，做出来的器件很大。但这不是根本的解决办法，所以仍然需要各个不同专业的团队来配合，才能把整个技术链条做大做强。Neuropixelsneuropixels.org别西：我们自己在观察医工结合领域的时候，感觉中国存在一些优势。可能时间积累的关系，在底层技术上有点落后；但在临床资源这一块，其实我们是有优势的。对于这方面，吕老师跟瑞金医院展开过很多合作，可能有更深层次的体会，您能展开我们有可能利用临床资源的哪些方面，比如抑郁症，能有一些弯道超车或者是做出突破性进展的机会吗？吕宝粮：举个例子，瑞金医院功能神经外科用DBS做难治性抑郁症，应该是走在世界的前列。最近，美国UCSF的Edward

https://www.coherentmarketinsights.com/market-insight/human-microbiome-market-182作者：张旭晖

第二件事情，是在做临床科研项目的那一年，我在法国碰到一位台湾人。她嫁到法国，她在台湾有一位罹患阿尔茨海默病（Alzheimer's

你曾深夜失眠过吗？或是凌晨醒来再也睡不着？如果这种情况持续三个月乃至更久，你会如何处理？上面描述的是失眠障碍的典型症状，也是最为常见的一种睡眠障碍。目前，失眠障碍已经成为了仅次于焦虑障碍的第二大精神疾病。据统计，我国失眠障碍的综合患病率高达15%，而且，相对于中老年人，反而是年轻人更容易受失眠困扰。[1]而当我们尝试去解决失眠，第一个涌现到我们脑海中的往往是找医生开安眠药。那么，安眠药真的如我们期待的那样有效吗？什么药物的效果最好？近日，来自牛津大学精神医学系的西普里亚尼（Cipriani）团队综合分析了多种常见安眠药的有效性及安全性，该文章发表在《柳叶刀》杂志上。[2]论文题目：Comparative

https://www.aans.org/en/Patients/Neurosurgical-Conditions-and-Treatments/Traumatic-Brain-Injury[4]

https://doi-org.libproxy1.nus.edu.sg/10.1038/s41586-022-05246-34.

acid，NMDA）受体拮抗剂和sigma-1受体激动剂，研究认为它可调节谷氨酸能神经元间神经递质的传递；后者为氨基酮类抗抑郁药，可竞争性地抑制细胞色素P450

脑科学科研转化，临床试验和审批，投融资新闻等，每周一早八点，为您播报。神经通讯第11期，为您整理了9条资讯，敬请查阅。整理：Sheryl、光影01.

脑科学科研转化，临床试验和审批，投融资新闻等，每周一早八点，为您播报。神经通讯第10期，为您整理了10条资讯，敬请查阅。整理：Sheryl、光影01.

Benzer），他接受过物理学的训练，然后进入定量生物学，并最早发现了一些调控昼夜节律和记忆的基因。这非常有帮助，麦克斯·德尔布吕克（Max

排版：光影原文：https://www.the-scientist.com/features/building-a-silicon-brain-65738

Scale，PANSS）总分（30-210之间，分数越高症状越严重）变化作为主要终点，PANSS子项和临床总体印象量表（Clinical

脑科学科研转化，临床试验和审批，投融资新闻等，每周一早八点，为您播报。神经通讯第9期，为您整理了12条资讯，敬请查阅。整理：Sheryl、光影01.

Neuron（《神经元》）是神经科学领域无法绕开的一本学术期刊，它于1988年出版，以严谨与扎实的科学基础著称，见证着神经科学近乎每一步突破，也指引着神经科学的前沿动向。本期专栏我们邀请到了Neuron期刊编辑泰德·多比（Ted

https://medicalxpress.com/news/2022-07-cell-scientists-high-resolution-brain-alzheimer.html[3]

检测脑部异常的AI算法能够帮助治疗癫痫以UCL为首的国际研究团队开发出了一种检测可以引起癫痫发作的大脑细微异常的AI算法。多中心癫痫病变检测项目（The

Kolosov施拉格的调查令世人震撼，木薯科学已然为此买单、遭受重创，相关的研究领域也风波不停。然而，Simufilam是否真的无法给患者带来福音，也许我们还需要拭目以待。参考文献[1]

数字孪生指的是真实事物的虚拟表征，它在制造业、工业和航空航天领域中发挥着重要作用——城市、港口和发电站都要应用到数据分身。在2010年，美国国家航空航天局（NASA）的研究员约翰·维克斯（John

说到麻醉，我们都不陌生，也常听到医生宽慰待手术的病人“没事，睡一觉就好了。”不妨设想一下，如果没有麻醉会是什么样？你可能会想到关羽刮骨疗伤的桥段——“公饮数杯酒毕，一面仍与马良弈棋，伸臂令佗割之。”然而抛开这些传奇故事，事实上，如果没有麻醉，几乎所有的手术都无法进行。01麻醉的发展历程与现存挑战回到麻醉诞生前的19世纪。1844年，一位名叫霍勒斯·威尔斯（Horace

死去的猪躺在实验室里一个小时了，和其他哺乳动物一样，心脏骤停之后，它们的血液循环停止了，细胞开始缺少氧气和营养物质，而后发生的一系列破坏性分子级联反应将会损害它们的组织和器官。这些过程是生物性死亡中的必经之路，不过这次的情况有所不同。耶鲁大学研究人员使用了一个类似于心肺机的装置将特制的溶液注入到了这些死猪的身体里。

维泰瑞隆宣布完成2亿美元B轮融资8月2日，维泰瑞隆宣布完成B轮融资，本轮融资共募集2亿美元，由云锋基金和高榕资本联合领投，原有投资者包括淡马锡、Invus、F-Prime

MN1050作为两种磷酸化特异性抗体分别用于检测Tau-PT217和Tau-PT181。手术完成后的1~2天内，每位病人将完成意识模糊评估表（CAM）和记忆性谵妄评估量表（Memorial

“到头来，她葬送了数百条人命。”艾米莉神情严肃。这位说话温柔的金发女子今年27岁，正在和她的新舍友介绍伤寒玛丽*的故事。两周前，艾米莉搬进了她位于布鲁克林的公寓。现在，她突然意识到，自己正和一群她希望能称作朋友的人一起，一边观看奥斯卡典礼，一边闲谈着大规模死难。电视间位于这栋三层居民楼的地下室，里面挤满了二十个人；他们主题迥异的对话时分时合。人们看着电视，同时闲聊着，分享意见，交换着电影冷知识。这群人充满活力，年轻而又多样。本·史密斯（Ben

“机制难寻，肠道菌群”，生物医学圈内这一流传甚广的诨话，调侃了渐趋火热的肠道菌群研究。人体内250-400m2的肠道表面寄居着数万亿微生物，其多种多样的分泌物及与肠道神经元的相互作用通过脑-肠轴，对宿主身心健康的影响往往被人低估。近年来，大量研究表明，它们或许是治疗抑郁的潜在靶点。01肠道菌群与抑郁的关联流行病学数据表明，抑郁症患者较健康人有着更高的肠道与消化疾病发病率。科学家们由此出发展开了大量研究，试图厘清与这些疾病密切相关的肠道菌群和抑郁之间的关系。

脑科学科研转化，临床试验和审批，投融资新闻等，每周一早八点，为您播报。神经通讯第6期，为您整理了7条资讯，敬请查阅。整理：Sheryl、光影01.

Commons地西泮等苯二氮䓬类药物的主要作用靶点是GABA受体GABAARs，但选择性抑制这一受体后，地西泮对树突棘可塑性的影响仍然存在。为了进一步证实这一现象，研究组使用转基因Gabra

一个安静的下午，王阿姨走进客厅，要拿什么东西。这时，突然来了一通房产推销电话。阿姨性子直，三下两下就把电话掐了。可是阖上电话以后，她却茫然地站在客厅里，忘记了自己本来要干的事情。从那以后，王阿姨一直害怕自己得了老年痴呆（即阿尔兹海默病），焦虑搅得她心神不宁。她一边相信自己不是，一边又暗暗怀疑。那么，王阿姨究竟有没有得老年痴呆？想要获得一个准确答案并没有想象中那么简单。目前，对老年痴呆的诊断方法有以下几种：一、使用生物标志物进行评估。常见的生物标志物有斑块和神经原纤维缠结。二、通过磁共振成像评估神经退行性变的发展情况。这些方法虽然有利于大脑病变的早期诊断，但它们同时也要求患者具备充分的医疗资源[1]。三、也是人们最常见到的检查方式，是通过面对面访谈的形式进行的神经心理学检查。在这样的检查中，医生会让患者完成一系列测试并予以评估。插图：Brigitte然而，19年发表于《柳叶刀-神经元》的报告显示，我国城乡地区、各级医院的诊断资源和水平存在明显差异。目前仅有约10%的三级医院设立了记忆门诊和痴呆症中心。而在没有相应资源的医院，认知障碍则由缺乏痴呆症专业培训的神经科医生基于个人的临床经验进行诊断。在资源匮乏的县级医院里，老年痴呆的诊断更是由相关经验更加缺乏的内科医生诊断。上述因素都容易导致大量误诊漏诊，使患者陷入不必要的困境中[2]。21年中国老龄协会发布的报告显示，与医疗资源匮乏相对应的，则是中国近6%的老年痴呆患病率以及将近1510万的老年痴呆患者[3]。中国目前亟需一个可靠且有效的诊疗辅助工具，从而实现对老年痴呆的早筛查、早诊断、早干预。好消息是，一个便利的诊断方法已经出现。本月，来自波士顿大学工程学院的萨马德·阿米尼（Samad

E4的存在是阿尔茨海默病最常见的遗传危险因素。因此，如果将两种阿尔茨海默病生物标志物结合的检测结果呈阴性，患者就不太可能是淀粉样蛋白阳性，意味着患者认知能力下降需要另究其他原因。08.

ADAD失败。在该试验中，研究人员给哥伦比亚一个因携带突变基因而极有可能患AD的家族中的1200位成员定期注射候选抗体crenezumab，希望通过减少脑内的β淀粉样蛋白（Amyloid

Neuroscience上。同时，该脊髓刺激系统也已在招募相关患者开展临床试验，验证其在中风患者手臂控制上的可行性。doi.org/10.1038/s41593-022-01106-502.

现在是2050年，你该做每月一次的例行体检了。时代变了，你终于不再需要忍受五官科检查、静脉采血，再花费一周的时间来等待验血结果。取而代之的是，护士笑脸相迎满脸笑意地对你说：“现在，医生要闻你了。”然后你被领进与一台巨大计算机相连的密封舱。当你在里面放松休息时，从你的鼻腔和皮肤散发出的易挥发性气味分子，会缓缓地飘进一台精密的人工智能仪，俗称深鼻（Deep

Henry答案很可能是否定的。两年前，美国西雅图艾伦脑科学研究所（the

遭到细菌感染后，我们的身体会出现发热、怕冷、食欲减退等一系列“战时症状”，以抵御外敌入侵。在传统的观念中，这些令人不适的感受是免疫系统奋力工作的副作用。然而近些年的研究表明，大脑才是幕后主使。感染发生时，在细菌的病原相关分子刺激下，免疫细胞会释放出大量炎性信号分子，它们作用于大脑中脑室周围器（circumventricular

Advisors等风投公司一起，向位于科罗拉多的Cerebral公司投资4000万美元，完成中期研究。该公司正致力于通过将药物直接输送到大脑来改善神经系统疾病的治疗。18.

随生活节奏的加快，人们睡眠时间也不断缩减。你每天能睡够八小时吗？《中国睡眠研究报告（2022）》报告显示[1]，2021年绝大多数被调查者每天实际睡眠时间超过8小时的仅为7.97%。其中，职场人士与大学生群体的睡眠问题尤为突出。一项针对中国90后年轻人的调查发现[2]，30.9%的年轻人入睡需要30分钟以上，且有超过70%的年轻人睡眠质量较差。长期睡眠不足不仅会导致多种生理问题，如体重增加、免疫力下降[3]、内脏脂肪积累[4]等，此外，还将严重影响心理及社会功能，易怒、工作效率下降、罹患抑郁症风险增高等随之而来[5]。发育期青少年睡眠不足甚至会对大脑造成破坏性伤害，并诱发记忆、注意力、情绪问题[6]。因此，人们的睡眠问题迫在眉睫，亟待解决。Kim

如今，以抑郁症、焦虑症、创伤后应激障碍（PTSD）等为代表的精神疾病或已成为仅次于心血管疾病的人类第二大疾病。但在疾病治疗上，长期的临床观察表明，抗抑郁药治疗对多达30%的抑郁症患者不起作用。此外，PTSD患者更是没有专门的药物治疗，只能依靠心理治疗辅助抗抑郁、抗焦虑症药物。因此，更为高效的抗抑郁药物及PTSD治疗药物的开发迫在眉睫。01致幻剂：是毒也是药2021年，《科学》杂志评选的十大科学研究中，有一项格外引人注目——3,

18世纪晚期，第一份与年龄相关的人类生长图问世，此后，作为参考标准，它成为了儿科医学中的基石。但对于人类大脑，尽管各式各样的研究层出不穷，但科学家们依然缺少一份类似的参考基准，用以评估大脑的发展与衰老。而今，精神疾病和痴呆目前已成为全球最大的健康问题之一。归其原因是大脑的异常发育，以及正常衰老过程中由神经退行性疾病导致的病理性大脑变化。因此，在这样的环境下，创建一份可用的大脑发展图表显得极为迫切。实际上，随神经成像技术的发展，关于人类大脑的研究并不少见，我们也已经拥有了许多关于人类大脑与年龄相关的数据与发现。但不同研究针对的发展阶段、临床情况可能都不相同，使用的研究方法也并不一致，如何将海量的脑成像数据进行整合是一项巨大的挑战。同时，与诸如身高、体重等简单的人体测量数据不同，大脑的形态特征测量对于扫描使用的平台和序列以及数据质量的控制、预处理和统计分析都十分敏感。因此，任何一项大脑发展研究都会面对研究结论普适性的限制，这也为研究的整合提出了难题。得益于越来越多的大规模数据收集的协作活动、神经成像数据处理的进步，以及经过验证的、可用于生物生长曲线建模的统计框架，来自英国剑桥大学精神病学系孤独症研究中心的伯利恒（R.

TMEM63C在调节内质网和线粒体形态中具有重要作用。该发现进一步支持了运动神经元退行性疾病是由包括胆固醇在内的脂质处理异常引起的假说。相关研究于6月20日发布在BRAIN的文章中。12.

在美剧《绝命毒师》里，主人翁老白面对失意落魄的中年生活，选择借助自己高超的化学知识，走上了贩毒这条歪门邪道。看上去，成为绝命毒师需要老白那般专业的化学知识，这已然是一般人难以企及的高度。然而，随着人工智能技术的飞速发展，只需要足够的计算机知识，似乎你我都能成为绝命毒师。01如何成为绝命毒师？2021年9月，科学家肖恩·伊金斯（Sean

01大脑监测技术的挑战科学发现常常是由科学发明驱动的。计算机的出现实现了对大脑的实时监控与测量，但哪怕是在技术进步的当下，人们要想看清楚活着的大脑，也绝非易事。尽管我们有丰富的、用于大脑监测的技术，但它们离民用还有一大段距离。就成本而言，一台核磁共振仪需动辄3百万美金，即便是一个中等档次的脑电图（EEG）设备，也需要8万美金左右才能设置完全[1]。且在超过24小时长时监测的情况下，一次EEG的价格可以轻易突破1000美元[2]。就算抛开金额不谈，大脑监测的相关仪器操作的繁复也让人望而却步。EEG的测量需要将头部分成许多小区域，一个一个贴上电极。而这需要多名专业人员共同操作和分析。且为了贴合头皮，提高脑电记录的准确性，操作者常常需要往被测人员的头上抹难以清洁的导电凝胶[3]。此外，EEG的使用还要求被测人员长时间保持静止状态，不能随意移动。由此，大脑监测技术本身的复杂性以及对人员和受试者的高要求，极大阻碍了它们在民间的推广。即便如此，EEG仍是受到企业家欢迎的科技热点。因为EEG技术不仅仅可以用作医疗诊断，也能作为脑机接口的核心基础，用以创造依靠意识控制的电子设备

ADAD未能达到任意一项主要终点。进一步的数据分析结果将于2022年8月2日召开阿尔茨海默病协会国际会议上公布。临床在研抗AD药物Cummings,

3D打印得到的耳朵。这项研究和人体试验标志着使用患者自身细胞作为原材料和3D打印技术在疾病治疗中的双重突破。博尼利亚医生表示：“这一天，正是我在整个职业生涯中一直期盼的一天。”图1.

“结构决定功能”是自然世界中的一条金科玉律。从微观的蛋白质构象到宏观的左右半球的连接，我们对大脑的认识有赖于对其结构的理解。在各国脑计划的蓝图中，也有相当一部分研究旨在绘制人和其它动物大脑结构和功能的图谱。人类目前掌握的技术中，磁共振成像技术实现了对大脑非侵入地实时成像，但即便处于最高分辨率，一个体素中仍包含十多万个神经元，这离看清单个细胞还差的很远；组织染色虽能将细胞结构呈现得一清二楚，但局限于薄至全脑体积千万分之一的大脑切片。要想看清楚每一片组织，需要巨量的劳力和经费支持，还要设法通过算法将2D图像重建为3D大脑，以调整机械切割造成的形变。如若能增加观察样本的体积，上述过程将大大简化。光学组织清除技术（Optical