在19岁时，美国小伙伊恩（Ian Burkhart）在度假游玩时不幸撞坏了脖子。这场事故使他颈椎第五节（C5）处的脊髓损伤，他因此瘫痪，也失去了几乎全部的手部运动能力，自由自在的快乐生活从此一去不复返。但是现在，事情出现了转机：最近，这位小哥成了新闻焦点，在视频里，他用原本瘫痪的手顺畅地完成了抓握瓶子、刷卡等一系列动作，甚至还玩起了“吉他英雄”（guitar hero）的游戏。
让伊恩重获运动能力的，是一套被科学家们称作“神经旁路系统”（neural bypass system，NBS）的新型设备。通过它，俄亥俄州立大学的研究者们绕过伊恩受损的脊髓，在大脑和手臂之间建立起了一条全新的信息通路。让瘫痪者恢复控制自身肢体的能力，这是神经科学和神经工程上的一项重大突破，4月14日，相关研究论文刊登在了《自然》期刊上。
运动控制的“司令部”位于大脑皮层，最终的“执行官”就是分布在身体各处的肌肉，而在这中间，脊髓又是神经信号的必经之路。脊髓发生损伤的时候，“神经高速公路”被截断，神经控制信号也就无法传递了。这时候，尽管患者的肌肉和大脑都完好无损，但运动功能还是无法实现，这就会导致“截瘫”。
脊髓的神经损伤很难修复，所以，想方设法地绕过它传递神经信号就成了科学家们研究的热点。在此之前，就已经有不少实验室都研发出了让大脑直接对机械“发号施令”的脑机接口，通过植入芯片，瘫痪的志愿者能用机械手给自己拿来一杯饮料。不过，绕过脊髓成功驱动瘫痪的肌肉，这在人类身上还是第一次。
为了建立起绕过脊髓的神经旁路，研究者们首先通过磁共振扫描在伊恩的左半球运动皮层上识别出了负责右手运动的区域，然后在这块脑皮层上植入了一块约有5毫米见方的电极阵列。阵列上均匀分布了96个探针电极，它们将电极附近的神经信号源源不断地传输到电极后端的工作站上。经过工作站上“机器学习”算法的处理，患者的运动意图被解读出来，最后转化成电刺激信号，通过贴在手臂上的电极刺激肌肉，最终就让患者自己的肢体动了起来。
在实验的初期，科学家为伊恩播放手部运动的三维动画，让伊恩想象自己在按照动画做手部运动。此时大脑产生的活动会被阵列电极捕捉，再由机器学习算法不断“领会”。经过人与机器的多次训练“磨合”之后，伊恩再想象某个手部运动时，算法就会识别出来，并驱动肌肉完成这个动作。
此项研究成果激动人心的一大亮点在于，它让瘫痪人士重新恢复了肢体功能，而且还是重要的手部功能。在适应了NBS系统的操作方式之后，伊恩做出了久违的手腕屈伸、手掌开合等动作。更重要的是，这套系统不仅实现了简单的手指运动，它还能让患者掌握拇指屈伸、中指屈伸等单个手指的精细动作。有了这些控制上的细节，抓握瓶子、倒水、搅拌等动作都可以顺利完成，这无疑为患者的生活带来了极大的便利。
NBS系统读取大脑运动信号的部分采用了著名的犹他阵列电极（Utah Array），其长期植入的安全性和有效性都得到了一再证实。经过计算机实时处理，NBS系统作出的反馈也相当迅速。屏幕上每变换一个手部姿势，伊恩都能很快借助 NBS 系统随之做出动作，脑部指令与手部运动几乎可以实现同步实时进行。能够迅速解读并转换来自大脑的复杂信号，这也得益于近十年“机器学习”领域的高速发展。
论文作者查德·布顿（Chad Bouton） 在采访中谈到，希望将这套新技术继续发展下去，最终使得脑卒中、颅脑损伤等各种神经运动障碍的患者都能获益。NBS 系统的处女秀也让人对它的发展充满期待。不过，要想让更多不同的运动障碍患者受益，NBS 系统还需经历多代的改进，才能最终推广到更多的神经干预和神经康复治疗中。