来自苏黎世的研究团队近日开发出了一种由人工神经元制成的紧凑、节能的设备，能够对脑电波进行解码。该芯片利用从癫痫患者的脑电波中记录的数据来识别大脑中哪些区域会导致癫痫发作。这为治疗开辟了新的应用前景。
目前的神经网络算法产生令人印象深刻的结果，有助于解决数量惊人的问题。然而，用于运行这些算法的电子设备仍然需要庞大的处理能力。当涉及到实时处理感官信息或与环境的互动时，这些人工智能（AI）系统根本无法与实际的大脑竞争。而神经形态工程是一种有前途的新方法，在人工智能和自然智能之间搭建起了桥梁。
苏黎世大学、苏黎世联邦理工学院和苏黎世大学医院的一个跨学科研究小组利用这种方法开发了一种基于神经形态技术的芯片，可以可靠而准确地识别复杂的生物信号。科学家们能够利用这项技术成功地检测到以前记录的高频振荡（HFO）。使用颅内脑电图（iEEG）测量的这些特定波，已被证明是识别导致癫痫发作的脑组织的有希望的生物标志物。
研究人员首先设计了一种算法，通过模拟大脑的自然神经网络来检测HFO：一个微小的所谓尖峰神经网络（SNN）。第二步是在一个指甲大小的硬件中实现SNN，该硬件通过电极接收神经信号，与传统计算机不同，它具有巨大的能源效率。这使得具有非常高的时间分辨率的计算成为可能，而无需依赖互联网或云计算。
苏黎世大学和苏黎世联邦理工学院神经信息学研究所的教授 Giacomo Indiveri 说：“我们的设计使我们能够实时识别生物信号中的时空模式”。
研究人员现在正计划利用他们的发现创建一个电子系统，以可靠地识别和实时监测HFOs。当作为手术室的一个额外诊断工具时，该系统可以改善神经外科干预的结果。
然而，这并不是HFO识别可以发挥重要作用的唯一领域。该团队的长期目标是开发一种可在医院外使用的监测癫痫的设备，这将使其有可能在几周或几个月内分析大量电极的信号。
苏黎世大学医院的神经生理学家 Johannes Sarnthein 解释说：“我们希望在设计中整合低能量的无线数据通信--例如，将其与手机连接。像这样的便携式或植入式芯片可以识别癫痫发作率较高或较低的时期，这将使我们能够提供个性化的药物”。
