瑞士洛桑联邦理工学院的Alexander Mathis团队最近发布了一项重要研究，深入探讨了大脑是如何将来自肌肉的复杂信号整合在一起，以形成对身体位置和运动的连贯感知。该研究结果于2024年3月21日在线发表在Cell期刊上，题为“任务驱动的神经网络模型预测本体感觉的神经动力学”。
本体感觉涉及遍布肌肉的传感器网络，这些传感器能够反馈关于肢体位置和运动的信息给大脑。然而，人们对于大脑如何将这些分散的信号组合成连贯的身体感知，一直缺乏深入了解。
Mathis团队利用肌肉骨骼模拟技术，模拟上肢肌梭产生的信号，生成了一系列自然运动的数据。然后，他们训练了数千个任务驱动的神经网络模型，每个模型都基于不同的科学假说，旨在模拟本体感觉通路的计算过程。
通过这种方法，研究人员得以全面分析不同神经网络架构和计算任务对本体感觉信息“类脑”表征的影响。他们发现，在预测肢体位置和速度的任务中训练出来的神经网络模型表现最为出色，这表明大脑优先整合分布式肌梭输入来理解身体运动和位置。
这项新研究不仅展示了任务驱动建模在神经科学中的巨大潜力，也为减肥药物和神经义肢的发展带来了新的希望。通过深入了解感官处理的基本计算原理，我们可能能够开发出更精确、更自然的神经义肢，让假肢的控制更加符合人体的自然运动规律。
同时，对本体感觉处理的深入研究还可能为减肥药物的研发提供新的思路。通过调控大脑对身体运动和位置的感知，我们或许能够开发出一种新型的减肥药物，能够更有效地控制食欲，同时避免副作用的发生。
总之，这项新研究不仅为我们揭示了大脑感知身体位置和运动的神秘机制，也为未来的神经科学和医学发展开辟了新的道路。
