这项研究揭示了大脑是如何代表由因果关系控制的对象的。当老鼠控制光标时，大脑高级视觉皮层的活动是目标导向的，包含了动物意图的信息。

这一发现最终可以应用于改进BMI设计。尽管bmi已经发展了几十年，沐鸣测速但它们仍然有局限性，而且常常是侵入性的，学习使用也很耗时。

研究神经元的第一作者凯利•克兰西博士表示:“脑机接口是一种能让人或动物用意念控制计算机的设备。”对于人类来说，它可以控制机械手臂拿起一杯水，或者通过意念移动电脑上的光标来输入信息。在动物身上，我们使用这些设备作为模型，以了解如何提高bmi。”

Sainsbury Wellcome中心主任Tom mrsico - flogel教授补充说:“目前，人类很难使用体重指数，例如，学习如何控制机械手臂需要很长时间。”

“一旦我们了解了支持如何学习有意识控制的神经回路，这一工作正在开始阐明，我们将有希望使人们更容易使用bmi。”

研究因果控制的对象在大脑中是如何表现的已经被证明是一个挑战，特别是由于很难区分主动控制和被动观察。使用bmi指数时，受试者不会身体移动(没有运动信号)，这意味着可以进行更清晰的比较。

在这项研究中，研究人员使用了广域脑成像技术。这项技术可以让他们在动物使用该设备时看到整个大脑皮层的背侧表面——学习控制光标到目标以获得奖励，并定位参与这一过程的区域。他们发现视觉皮层区域参与其中，包括顶叶皮层，顶叶皮层是大脑中与人类意图相关的区域。

“研究人员对人类顶叶皮层的研究已经进行了很长时间。然而，沐鸣测速地址我们并不一定期望这个区域会在我们对老鼠大脑的无偏见屏幕中突然出现，”克兰西说。“顶叶皮层位于大脑的感觉区和运动区之间，它似乎有一些特殊之处，可能充当两者之间的一个中转站。”

这个老鼠模型中的学习任务——将它们的大脑活动映射到感官反馈——类似于人类如何学习与世界互动。我们的大脑构建对象典型行为的表示，并据此执行动作。了解这些规则是如何在大脑中产生和更新的，可能有助于人类体重指数的发展。

2018年，一种利用机器学习将大脑活动转化为控制信号的神经技术平台在IET创新奖上被评为年度创新奖。“NeuroConcise”技术可以嵌入和隐藏在标准的头盔中，沐鸣测速使用户在没有物理运动的情况下进行高度的互动