來自蘇黎世的研究團隊近日開發出了一種由人工神經元製成的緊湊、節能的設備，能夠對腦電波進行解碼。該芯片利用從癲癇患者的腦電波中記錄的數據來識別大腦中哪些區域會導致癲癇發作。這為治療開闢了新的應用前景。

目前的神經網絡算法產生令人印象深刻的結果，有助於解決數量驚人的問題。然而，用於運行這些算法的電子設備仍然需要龐大的處理能力。當涉及到實時處理感官信息或與環境的互動時，這些人工智能（AI）系統根本無法與實際的大腦競爭。而神經形態工程是一種有前途的新方法，在人工智能和自然智能之間搭建起了橋樑。

蘇黎世大學、蘇黎世聯邦理工學院和蘇黎世大學醫院的一個跨學科研究小組利用這種方法開發了一種基於神經形態技術的芯片，可以可靠而準確地識別複雜的生物信號。科學家們能夠利用這項技術成功地檢測到以前記錄的高頻振盪（HFO）。使用顱內腦電圖（iEEG）測量的這些特定波，已被證明是識別導致癲癇發作的腦組織的有希望的生物標誌物。

研究人員首先設計了一種算法，通過模擬大腦的自然神經網絡來檢測HFO：一個微小的所謂尖峰神經網絡（SNN）。第二步是在一個指甲大小的硬件中實現SNN，該硬件通過電極接收神經信號，與傳統計算機不同，它具有巨大的能源效率。這使得具有非常高的時間分辨率的計算成為可能，而無需依賴互聯網或云計算。

蘇黎世大學和蘇黎世聯邦理工學院神經信息學研究所的教授Giacomo Indiveri 說：“我們的設計使我們能夠實時識別生物信號中的時空模式”。

研究人員現在正計劃利用他們的發現創建一個電子系統，以可靠地識別和實時監測HFOs。當作為手術室的一個額外診斷工具時，該系統可以改善神經外科干預的結果。

然而，這並不是HFO識別可以發揮重要作用的唯一領域。該團隊的長期目標是開發一種可在醫院外使用的監測癲癇的設備，這將使其有可能在幾週或幾個月內分析大量電極的信號。

蘇黎世大學醫院的神經生理學家Johannes Sarnthein解釋說：“我們希望在設計中整合低能量的無線數據通信–例如，將其與手機連接。像這樣的便攜式或植入式芯片可以識別癲癇發作率較高或較低的時期，這將使我們能夠提供個性化的藥物”。