经过训练，坐在意念控制轮椅上的人可以在正常、杂乱的空间中穿行

“我们表明，用户和脑机接口算法的相互学习对用户成功操作这类轮椅都很重要，”该研究的通讯作者José del R. Millán说，他来自德克萨斯大学奥斯汀分校。“我们的研究强调了改善非侵入性脑机接口技术临床翻译的潜在途径。”

Millán和他的同事招募了三名四肢瘫痪的人进行纵向研究。每个参与者每周进行三次训练，持续2到5个月。参与者戴着一顶无边便帽，通过脑电图(EEG)检测他们的大脑活动，通过脑机接口设备将其转换为轮椅的机械指令。参与者被要求通过思考移动身体部位来控制轮椅的方向。具体来说，他们需要考虑移动双手向左转，双脚向右转。

在第一次训练中，当设备的反应与用户的想法一致时，三名参与者的准确率相似，约为43%至55%。在训练过程中，脑机接口设备团队发现参与者1的准确性有了显著提高，在训练结束时达到了95%以上的准确率。研究小组还发现，在用新算法更新参与者3的设备之前，他的训练进行到一半，准确率提高到了98%。

在参与者1和3中看到的改善与特征识别的改善相关，这是一种算法区分“向左走”思想编码的大脑活动模式和“向右走”思想编码的能力。研究小组发现，更好的特征识别不仅是设备的机器学习的结果，也是参与者大脑学习的结果。参与者1和3的脑电图显示，随着意念控制设备的准确性提高，脑电波模式发生了明显的变化。

“我们从脑电图结果中看到，受试者已经巩固了调节大脑不同部分的技能，以生成‘向左走’的模式和‘向右走’的不同模式，”Millán说。“我们认为，在参与者的学习过程中，大脑皮层发生了重组。”

与参与者1和参与者3相比，参与者2在整个训练过程中大脑活动模式没有明显变化。在最初的几次训练中，他的准确率仅略有提高，在接下来的训练期间保持稳定。Millán说，这表明机器学习本身不足以成功地操纵这样一个由思维控制的设备

在培训结束时，所有参与者都被要求驾驶轮椅穿过杂乱的病房。他们必须绕过房间隔板和医院病床等障碍物，这些障碍物都是为了模拟现实环境而设置的。参与者1和参与者3都完成了任务，参与者2没有完成任务。

Millán说:“似乎对于一个人来说，要获得良好的脑机接口控制，让他们能够在自然环境中驾驶轮椅等相对复杂的日常活动，就需要我们大脑皮层的一些神经可塑性重组。”

这项研究还强调了长期培训对使用者的作用。Millán说，虽然参与者1在最后表现异常，但他在前几次训练中也很挣扎。这项纵向研究是首次评估无创脑机接口技术在全瘫患者中的临床转化的研究之一。

接下来，该团队想要弄清楚为什么参与者2没有体验到学习效应。他们希望对所有参与者的大脑信号进行更详细的分析，以了解他们的差异，并为未来在学习过程中挣扎的人提供可能的干预措施。