近日，天津大学医学工程与转化医学研究院团队系统综述了脑芯片接口（Brain-on-a-Chip Interfaces, BoCIs）在生物计算与智能融合领域的机遇与挑战，为该领域的研究与发展提供了重要理论支持与技术展望。相关成果发表于《Cyborg and Bionic Systems》。
01 研究背景
脑机接口（BCI）技术虽在医疗康复、机器人控制等领域取得进展，但仍受限于伦理问题和在体研究的不可控性。随着干细胞与微电极阵列技术的发展，实验室培养的类脑器官（lab-grown brains）逐渐成为研究大脑功能与智能机制的新平台。BoCIs 旨在构建类脑器官与外部环境之间的双向信息交互接口，具备更高的可控性与可扩展性，为理解智能起源和发展混合智能系统提供了新途径。
02 研究概述
基于功能化导电聚合物的设计，研究团队设计了功能化聚苯胺基时序黏附水凝胶贴片。它可以实现心脏的同步机械生理监测和电耦合治疗，并牢固附着在心脏表面监测心脏的机械运动和电活动。
本研究系统回顾了 BoCIs 的构建方法、信息交互技术、生物神经网络的可塑性及其在智能控制任务中的应用，并指出了当前面临的主要挑战与未来发展方向。
BoCIs 系统主要包括两类接口方式：平面微电极阵列（MEA）和立体电极接口。前者适用于二维神经网络，后者则能更好地对接三维脑类器官，实现更深层次的信号记录与刺激。研究采用生物技术、工程技术与人工智能多学科交叉方法，系统整合 BoCI 的技术体系与应用场景。
研究对象及技术基础：
BoCI 的核心研究对象为“实验室培养脑”，包括啮齿类来源的分散神经元 / 脑切片、胚胎干细胞 / 诱导多能干细胞分化的二维（2D）神经网络与三维（3D）脑类器官，区别于传统 BCI 的体内人类 / 动物大脑；技术基础依赖干细胞技术（保障神经细胞来源与成熟）、微电极阵列（MEA）技术（实现信号检测与传输）及人工智能算法（优化编码 / 解码策略）。
主要内容：
1.实验室培养脑-计算机接口类型
根据信号检测方式，BoCI分为两类：
（1）平面MEA-basedBoCl：以微电极阵列为核心，低密度MEA（64-256电极）分析网络级电活动，高密度MEA（最高26400电极，间距0.25μm）实现单细胞、单突触级信号检测，适用于2D神经网络及脑类器官表面信号记录。
（2）立体电极-basedBoCl：针对3D脑类器官深层信号检测需求，开发4类接口-3DMEA（凸起电极穿透40-100um，贴合细胞膜曲率）、植入式接口（探针电极深入类器官内部，存在机械损伤风险）、包裹式接口（3D篮状／壳状电极，适配类器官形态变化）、共生式接口（柔性网格电极，无创长期记录)。
图1. 不同类型的脑芯片接口（BoCIs）（图片来自原文）
2.信息交互技术
BoCI通过“刺激-解码”实现双向信息交互：
（1）刺激技术：电刺激（低频0.2-1Hz诱导记忆编码，高频10-20Hz触发突触可塑性）、光刺激（光遗传学结合数字微镜器件，避免电伪迹，时延50-200ms）为主，化学刺激因可控性低应用较少。
（2）学习训练模式：开放环训练（固定刺激参数，重塑网络拓扑）、闭环训练（实时反馈调整参数，如强化学习使神经元放电维持目标水平，支持机器人避障、乒乓球控制等复杂任务）。
图2. BoCI 系统中的训练范式与评估指标
（图片来自原文）
3.生物计算能力与任务
应用BoCI控制系统由“芯片脑系统（实验室培养脑+放大器+刺激器）-机器人系统（实体／虚拟执行器）－接口系统（编码／解码+AI优化）＂组成，可完成三类核心任务：
（1）移动机器人控制：通过MEA监测神经活动，将传感器信号转换为控制指令，实现避障、迷宫导航等（如模块化网络提升通道选择性，优化避障能力)）。
（2）机械臂控制：闭环系统结合神经信号空间/放电率信息，调整机械臂运动（如MEART系统实现目标导向绘图）。
（3）虚拟任务：如基于自由能原理训练实验室培养脑玩《乓》游戏，通过“刺激－反馈”快速掌握游戏规则；或模拟飞行控制，实时调整突触权重优化飞行稳定性。
总结：
1.技术性能优势：与传统BCI相比，BoCI具备更高可塑性（工程化神经网络兼容）、可扩展性及伦理合规性；与数字李生脑（虚拟建模）、神经形态计算（硅基模拟神经结构）相比，BoCI直接利用生物智能，在混合智能、自主控制领域潜力显著。
2.混合智能潜力：BoCI融合生物智能（低能耗、动态可塑性）与Al（高效计算），构建混合系统如“脑件”系统以脑类器官为储备池，完成语音识别、非线性方程预测；结合强化学习算法（如EXP3），可快速定位任务相关神经节点，提升控制精度。
3.功能改善证据：通过电／光刺激训练，实验室培养脑可实现—神经连接从随机向"小世界结构”优化（节点数量、连接强度提升）、突触可塑性调控（长时程增强LTP／抑制LTD）、任务响应效率提升（如《乓》游戏5分钟内学会，避障任务响应稳定）。
03 研究意义
BoCIs 作为融合生物智能与机器智能的新型平台，不仅在基础神经科学研究中具有重要价值，还在类脑计算、神经疾病模型构建、智能机器人控制等领域展现出广阔应用前景。尽管目前仍面临类脑器官成熟度、电极-组织接口兼容性、智能融合机制等多方面挑战，但随着多学科交叉合作的深入，BoCIs 有望推动下一代生物计算与混合智能系统的发展。
图3. BoCI 系统面临的挑战与未来发展方向
（图片来自原文）
参考文献：
Shao W, Meng W, Zuo J, et al. Opportunities and Challenges of Brain-on-a-Chip Interfaces[J]. Cyborg and Bionic Systems, 2025, 6: 0287.
来源：BME康复工程分会
仅用于学术分享，若侵权请留言，即时删侵！
欢迎加入脑机接口AI星球
获取更多脑机接口+AI等领域的知识和资源。
加群交流、商业合作请添加微信:RoseBCI【备注：姓名+行业/专业】。
欢迎来稿
1.欢迎来稿。投稿咨询，请联系微信：RoseBCI
点击投稿：脑机接口社区学术新闻投稿指南
2.加入社区成为兼职创作者，请联系微信：RoseBCI
一键三连「分享」、「点赞」和「在看」
不错过每一条脑机前沿进展
