神经退行性功能的恢复: 诊断、检测和预测

神经退行性功能的恢复: 诊断、检测和预测

我很高兴能够来到这样的论坛,能够从杭州来到北京,事实上,我是来自于西湖大学的教授,西湖大学是比较新的,我们知道新的西湖大学,事实上西湖大学旨在建设成为全球顶尖的大学,能够在科技方面发挥引领作用,我今天的主题就是说关于生物技术的一些应用。大家会看到,我在新技术方面的分享,包括像5G、人工智能,像最新的一些技术在医学方面的应用。事实上在大脑里面,我们可以有很多技术,有很多新的可能性发生,通过大脑里面植入新的技术来治疗这些困难的疾病。这些疾病包括在大脑里面,大家可以看到,包括像我们视力损失、听力损失,包括像癫痫,还有我们所熟悉的比较可怕的疾病。包括像帕金森症,还有白癫风,这些疾病会导致我们人体瘫痪,这主要是在大脑发挥了作用。我们希望通过神经元的修复,能够把这些信号进行有效的传输,能够通过机器的元素来进行很好的控制。我们知道机器非常先进可以拿一杯水打开瓶子来喝,我们希望把这种技术放入脑子里面,在大脑当中接收这些信号,通过植入刺激性的芯片,能够和我们脊柱神经元联系在一起,这样能够恢复我们的功能,我们在猴子身上进行了这样的实验。

我们希望能够把这些传感器还有执行器,还有一些可穿戴的设备,能够从外部,包括能够促进我们听力视觉的机器,把它们更好的促进我们人体内,促进我们人体功能的恢复。我们关于人的大脑和机器的界面叫做人脑机器界面,这种新的技术也在得以应用,事实上不管是什么样的设备,包括像治疗癫痫的设备,包括像一些生物传感器都可以很好的植入和应用。

我们知道视觉是非常重要的功能,如果你眼睛失明了就无法看到周围的视物,你的视网膜无法接收这些信息,我们进一步深入了解视网膜的功能和成像机理是什么样的,我们通过功能的探索,通过大脑的成像,我们通过一些设备,它可能是毫米甚至是更精准的仪器植入到我们大脑中,通过天线,包括一些小的单元,包括小的芯片,这样的话能够从不同的部分,在大脑中进行植入,能够提升我们这些听力,提升我们的视觉,这样的话,能够促进我们所说的眼部的信息能够在大脑中进行成像,能够看到我们所看到的这些视物,这是我们研究的新兴领域,人的大脑能够成像,为什么能够看到这么多颜色呢?就是信号的传递,我们通过有效功能的优化,通过这些芯片的使用,通过这些控制单元还有接受器的植入,能更好的进行成像。

另外我们看到视觉上的植入,我们会看到具体的这些图像它是如何进行成像的呢?我们通过这些功能逐渐的化解去进行分析,最后在大脑中进行精确的修复。

另外我们了解到在大脑中到底如何进行不同信号的匹配,信号的传输呢?我们可以看到有不同的芯片在这一层,这些芯片能够发挥不同的功能,能够产生电子的记忆,能够有不同频谱的接收,不同信号的接收。这样的话,能够让我们了解到大脑中不同区域发生的问题到底是什么,以及大脑在发生什么,包括我们不同的感官,不同的视觉听觉,通过这些不同的工具,它可能仅仅是两毫米,非常小的工具,在大脑中帮助我们恢复这些功能。我很高兴能够和大家分享这些功能,能够让大家更好的了解到,我们如何能够通过这些芯片的使用,能够把外部的信号传递到我们人体的大脑中,有时候我们需要去记录这些外部的信号,传输这些信号。

今天我们需要讨论到这些小的芯片的使用,小的传感器的使用,它是非常小的电子单元,它仅仅是微米的单元,事实上大家可以看一下它是非常小的。我们在猴子身上进行了不同的实验,大家知道像猴子的大脑和我们人的大脑有些相似的地方,通过类似的实验,能够保证它的信号传输,我们知道这些猴子们,并没有失明,我们了解到猴子如果看到这些信息,进行模拟,从外部的刺激,还有外部的模拟,通过猴子大脑的解码更好帮助我们人脑提供功能的修复。

这里面有不同的频谱,我们看到在不同的区域来进行正确的记录,在大脑不同的位置,进行不同的记忆,保证它的效果是一致的。我们再来看内部的结构,之前我们提到了,因为我们的设备非常低能耗,所以也不需要有任何的电池,我们可以把我们设备植入到头皮当中进行工作。当然我们还有最新的技术,能够做到下图这样一个系统,比如说我们的信号可以传递几米,我们这里有很多的芯片来进行有效的记录和传递。

之后我们再来看一下癫痫。大概有1%的机率,可能会有癫痫的症状,但是我们的人口,我们有这种神经退役性疾病的人是非常多的。我们在遭受病痛折磨的人是非常多的,我们也关注了对于癫痫患者的治疗。

问题在于说我们观察大脑每一部分是什么样的,我们再做有效的成像,来观察发生癫痫的时候,大脑是什么样的状态。我们怎么样在癫痫发病之前来做观察?我们观察神经的变化,如果开车的时候发生癫痫的时候会发生事故,比如说提前10分钟甚至30分钟之前,通过手机或者其他的方式给我们的患者发出警告,在这个时候就可以最大程度减少损失和伤害。

最后看一下我们的解决方案。现在我们用的方式是VNS还有RNS,我们把它装到大脑里面,我们时刻对它进行观察,我们对于不同的大脑区域进行不同的刺激来鉴别癫痫发生主要的区域是哪,我们需要对这样一个发病区域进行有效的定义,这个时候如果想做更精准的定位的话,我们需要去医院做核磁共振的检查,因为这种情况,我们可以做很精确的检查,但是癫痫来的是非常急的,现在我们不能说指望用核磁共振的诊断,能够保证我们每一个月都不会发病,这种情况是不现实的,这个时候我们需要考虑到,我们怎么样用一些外治的设备,用这些传感器能够更好的监控,我们电脑电子信号的传递。我们去医院的话,他们测试的是脑电波,我们现在用这样一些方式,脑波长波大概是735到835纳米,这个时候我们仔细观察,在哪一部分的脑部活动会引起癫痫,下面就有这张图,大家能够看到癫痫发病来自于大脑。我们在头皮能够检测到不同的电子信号变化,这样能够帮助我们来定位我们的癫痫到底由哪一部分大脑产生的,我们现在有不同的技术,有芯片,帮助我们针对个性化,能够满足个性化患者的需求,能够让他们更加深入进入到大脑当中,能够更好的理解每一个患者具体的发病情况,这是我前面讲到的例子。我们也用到纳米技术,也就是纳米颗粒,纳米颗粒有一些特性,当我们在思考的时候,我们激发的是纳米颗粒,我们在大脑某一个局部,它的活动会比较明显。如果说在癫痫的时候,可能会产生激发大量颗粒的话,在这个时候我们就可以检测纳米颗粒的密度和强度,来帮助我们定位癫痫是由哪部分大脑发生的。在右边这张图大家能够看到,我们在小白鼠身上也做了这样一些实验,这是我们检测的一些案例。

大家看一下,这是在大脑发病的时候给出的信号,通过这样一些变化,我们看这里面有不同的颜色,显示了10到20秒当中,癫痫它的发病情况,包括对于我们大脑信号的影响。这些我们都可以通过电子信号来进行监测,根据这样一些信号,能看到大脑信号的频率是增高的,这样我们就可以观察到在癫痫发生之前出现的一些症状,包括癫痫发病的情况,我们的设备它的尺寸非常小,大概是两微米,它的耗电只有6豪瓦。它的启动也是非常简单,而且它的敏感性非常高,它知道什么时候启动,什么时候停止。

即使我们现在有了新的技术,预测癫痫也是非常困难的,我们推进我们的治疗方法和治疗手段,我们依然比较困难进行预测。为癫痫做出预警这是比较困难的,但是这是我们未来发展方向。

这些是我们机器学习前提的技术,已经发展的非常的充分,我们可以考虑用不同病例的分类,对这些机器学习进行定向的训练。比如说机器深度学习,通过深度学习,我们可以提高对癫痫发病的预测。这是我们未来的想法。希望能够通过这样一个检测,能够预判给我们手机上发一个警告信息,其实对于中风来讲,我们看到很多之前的中风,对于中风患者,我们这个设备也是适用的。我希望能够真正为患者带来未雨绸缪的福利。

再来看一下后面的技术,这是我们研究的领域。全球有很多团队都在研究癫痫预测的时候,包括先后传输的变化,包括其他一些研究方向和角度,这里面都给出了我们做的工作,比如说这里面对于信号源的解读,还有其他疾病,都是我们的关注方式,后面是我们做的应用和尝试。对于不同的疾病,我们有不同定制化的服务。比如说ICC,他们也做了很多工作,ISSCC这都是其他的一些大学,多伦多大学正在做的一些工作。现在我们也希望有更多的内存,对于我们大脑来讲,我们需要更小的芯片,我们不能把笔记本植入大脑当中,现在更需要做的是加强我们执行器可用的数据存储,对于内存来讲,这也是我们未来要解决的比较复杂的问题。

还有我们现在有一些福音,我们的芯片越来越少,而且能耗越来越低,利用深度学习和机器学习,我们可以更好的生产更加智能的芯片,更好的提高我们芯片的效率,减少它的能耗。还有我们有不同的软件,有不同的算法能够更优化我们硬件的表现。还有我们材料学的进步,这都是给我们带来的利好消息。还有我们怎么来进行有效的管理,再有我们未来的目标,对于我们未来的设备运行能耗的目标,也就是10次方。

还有一点,我们希望在未来能够实现机器学习更低的能耗。在研发当中,我们需要花很多的资金,我们也希望在未来我们的芯片,它能够达到微米级的尺寸,这样的话会为我们患者带来更好的福利。

再看一下这里面我们针对于现有的这些技术,根据不同的模型进行能耗的优化,大家能看到,这是在西湖大学正在做的工作,黄色的部分这是我们最新的目标,这是我们的愿景。对于机器学习做出预判,其实这一概念在1975年已经出现,它不是一个新的概念,在发展至今,有很多科学家都已经在这方面做出了非常大胆的尝试和努力,比如1981年做出的一些尝试,包括2012年做了一些新的尝试,整个技术慢慢来发展,包括我也一直在做这方面的研究,比如说我之前在美国的时候做过类似这样一些研究,现在我也在西湖大学继续我的研究。现在我们能够看到从1975年开始到现在,我们现在对于癫痫的预测已经有了大量研究报告的出现,这些都是我们蓬勃发展的证据。

我们有一些微观的设备,把它植入我们的神经当中,通过我们微传感器来搜索我们的神经信号。这是我们的模型,对于微设备,我们可以把它取出,把它拿出,也非常方便进行更换或者是监测。这是我们大致的想法,我左手边的这张图,我们希望能够把我们未来声画传感器做的更小,有更强大的,或者能耗更低的芯片进行有效的处理,我们对现在存活的细胞进行模拟。

这是人工尿道括约肌失禁的研究,我们膀胱失禁的话,我们控制不了排泄,我们要解决这些患者的痛苦,这是我们做的系统的模拟。比如说我们有生物泵,包括对于尿管闭合的监测设备,我们可以用手机进行监控。

我们能做什么呢?我们可以植入非常小的毫米级的设备,这是我们面临的挑战。因为大脑是非常复杂的,而且大脑的功能也是非常多元化,这个时候对于我们未来更好的去研究神经的疾病,带来更大的挑战。在此我想和大家分享一下我们的研究团队,这是我们杭州研究团队,这是我们的一张照片。非常感谢各位!

责任编辑:张弛校对:王妗最后修改:
0