dent: 2em;">

　　1924年，德国耶拿:精神科医生汉斯·伯杰(Hans Berger)在近乎与世隔绝的状态下，辛苦而乏味地观察人类受试者头皮上有节奏的电活动。他确信这种活动源于大脑内部，并创造了“脑电图”一词。

　　10年后，科学界才接受了伯杰的研究成果，由此诞生了脑电图(EEG)领域。

　　今天，脑电图——也缩写为EEG——作为一种测量脑电活动的医学测试而广为人知，用于患有或疑似患有神经系统疾病的患者。脑电图提供了一个观察活体大脑的窗口，通过持续的电信号读出我们大脑内发生的事情。这个过程可能很短，通常只有30分钟的录音。但是对于被监测诊断或治疗脑部疾病的病人来说，它可以持续更长的时间——几天甚至几周。

　　作为一名专门研究癫痫的神经学家，我每天都使用脑电图。我们在佛罗里达大学的团队每年解读神经系统患者的数千个脑电图。我还经营着一个研究实验室，我们的目标是了解脑电图在健康和疾病中的基本结构。

　　一段意想不到的曲折历史

　　EEG的故事是丰富多彩的，充满了寓言。伯杰对脑电的兴趣不是为了对抗疾病，尽管这是他作为一名医生的日常工作，而是为了找到他对心灵感应的信仰的生物学基础。他想知道脑电图的脑电波是否可以通过空间传递思想，使人们能够读懂彼此的思想。他的使命没有成功，但他创立的这个领域却起飞了。

　　到20世纪30年代中期，研究人员已经观察到清醒和睡眠时脑电图的显著差异。脑部疾病患者的脑电图显示了一系列前所未有的观察结果。

　　然后是现代医学的决定性时刻。1934年12月，波士顿的一组医生观察了“小型”癫痫患者癫痫发作时的节律性脑电图尖峰波。小发作是一个不合时宜的术语，指的是一种癫痫症，患者在发作期间的思想、语言或行动暂时冻结。第一次，患者在癫痫发作期间的症状和行为与一个同步发生的大脑信号相关。

　　脑电图迅速从科学上的好奇发展成为主流的临床工具。1937年，第一个临床脑电图实验室在马萨诸塞州总医院成立。在随后的几十年里，这种做法逐渐发展成为像我们这样的机构自20世纪70年代以来提供的专业服务。

　　脑电图解释

　　那么，脑电图到底是什么?

　　想象一下，用导线连接两个小金属盘。将一个圆盘放在头皮上，另一个连接到中性参考点，如耳朵。观察导线中微小的交流电流动，与导电触点感应到的电活动成正比。这种活动就是脑电图，即大脑组织的电环境。

　　反过来，脑电图产生于神经细胞或神经元的兴奋性。当神经元放电时，动作电位——从它们的细胞体向外传播的短暂的高压尖峰——在其他神经元中引起局部电活动，导致电流在它们内外流动。

　　这些局部电流可能会导致目标神经元依次放电，并建立更多的电流。因此，这个系统维持了自身。平均的整体活动是许多不同频率的混合，其中五个主要的频率被称为δ波、θ波、α波、β波和γ波。

　　如果脑电图只是随机的上下漂移——“动作电位的不流血的舞蹈，”20世纪早期一位持怀疑态度的神经学家评论道——那就没那么有趣了。值得注意的事实是，脑电图倾向于在时间和空间上自发地组织成模式。

　　前面提到的小马尔的尖峰波模式是一个经典的例子，但现在已经知道了几十个其他的例子。临床脑电图实践只是识别特征脑电图模式并将其与特定疾病状态相关联。

　　波动的神经元

　　在诊所之外，一个令人不安的科学问题出现了。简单地说，脑电模式是如何产生的?数十亿的神经元及其数万亿的局部电流如何以正确的方式波动，以创建全局有序的结构?

　　本课题组一直对脑电图模式形成的基本问题感兴趣。事实证明，大脑的活动自然是重复的，也就是说，是振荡的。这是由于神经元连接的方式，以及它们通过兴奋和抑制相互作用产生推拉效应的事实。

　　将局部振荡作为基本的构建块，我们证明了整个大脑的脑电图可以由这些基本块构建而成。更有趣的是，不同的频率可以合并或同步成一个共同的节奏。我们认识到，这种类型的同步是在患者中观察到的一些癫痫样模式的基础。

　　脑电图，人工智能和思维

　　自然界的图案形成是非常迷人的。豹子身上的斑点是怎么来的?在音乐会上，观众是如何自发地发出有节奏的掌声的?许多这样的问题都可以追溯到1952年发表的一篇关于生物模式的经典论文。它的作者是艾伦·图灵(Alan Turing)，他以计算机科学之父和人工智能(AI)的早期倡导者而闻名。

　　当今大多数人工智能系统的底层硬件是神经网络。神经网络于1943年由内科医生和脑电图学家沃伦·麦卡洛克(Warren McCulloch)提出。和伯杰一样，麦卡洛克对脑电图的兴趣超越了脑部疾病。他想知道，在大脑的神经元和脑电图中，思考的能力在哪里。他设想将类似于神经元的人工计算单元组合成网络，类似于大脑中真正的神经元是如何相互连接的。

　　他与沃尔特·皮茨(Walter Pitts)一起证明了这种神经网络可以像通用计算机一样运行。麦卡洛克-皮茨的开创性思想在随后的几十年里得到了完善，并融入了今天人工智能的“深度学习”神经网络。

　　深度学习人工智能已经渗透到包括神经病学在内的所有生物医学领域。例如，人工智能系统可以成功地解读脑部扫描。人工智能方法也被用于分析脑电图。

　　人工智能系统可以通过训练从脑电图中推断出想法吗?人工智能能实现伯杰对心灵感应的探索吗?令人难以置信的是，最近的深度学习人工智能研究表明，心理活动的某些方面可能会从脑电图中解码出来。

　　2024年，EEG将迎来100岁生日。它将在未来为大脑和思想打开什么样的窗口?毫无疑问，临床应用将会增长。当然，大脑模式的生成将得到更好的理解。也许脑电图可以窥见大脑的内容。对于像我这样研究人工智能革命的神经学家来说，脑电图确实是这一切的开始，这让我感到自豪。

　　Giridhar Kalamangalam，医学博士，是怀尔德家族捐赠教授和佛罗里达大学医学院癫痫科主任。

　　的有限公司谈话是一种独立而不存在的非营利来源的新闻，分析和评论的学术专家。