科学家正借助人工智能技术推动视觉假体领域取得突破性进展。由多国科研团队联合完成的研究显示，通过深度学习模型优化电刺激策略，视觉皮层假体有望实现更精准的神经调控与视觉重建。这项成果已发表于神经科学领域权威期刊，为开发新一代脑机接口视觉辅助设备提供了全新思路。
视觉假体作为帮助失明者恢复视觉功能的前沿技术，其研发长期受制于视觉系统的复杂性。传统设备多通过刺激视网膜或视神经传递信号，但这类方案对特定病因导致的失明效果有限。最新研究聚焦的视觉皮层假体另辟蹊径，通过植入大脑后部的电极阵列直接激活视觉中枢，绕过受损的眼部结构，理论上适用于更多类型的失明患者。
在西班牙进行的临床试验中，一名因脑外伤失明的青年男性接受了96通道电极阵列植入。当设备向其视觉皮层发送特定电信号时，受试者报告出现"光幻视"现象——在无外界光照的情况下感知到闪烁光点或几何图案。这些自发产生的视觉信号虽不完整，却为后续优化提供了关键数据。
研究团队开发的深度神经网络模型突破了传统刺激方案的局限性。该模型不仅分析电刺激的强度、频率等参数，还首次将受试者实验前的大脑静息状态纳入计算。通过机器学习算法，系统能够预测不同刺激组合引发的神经活动模式，并动态调整输出方案。试验数据显示，AI优化的刺激模式使目标神经激活准确率显著提升，同时将所需电流强度降低30%以上。
更关键的发现在于神经活动与视觉感知的关联性。研究人员对比发现，单纯记录电极激活状态无法准确预判受试者的视觉体验，而实时监测的大脑神经响应模式则与主观感知高度吻合。这一发现促使团队设计出具备双向功能的植入设备，既能输送电刺激又能记录神经反馈，为AI模型提供持续优化的训练数据。
针对神经系统的动态变化特性，研究团队特别强调了静息状态数据的重要性。人体大脑的神经活动模式会随生理状态、环境因素等持续波动，传统固定参数的刺激方案难以长期维持效果。通过将脑电背景活动纳入算法模型，新型视觉假体能够自动适应神经系统的实时变化，这项特性被视为保障设备长期有效性的关键突破。
