双轨并行：探索神经细胞培养中智能开发的两种路径——类器官智能(OI)与生物工程智能(BI)的对比与展望

研究人员针对体外神经细胞培养在信息处理和智能应用中的潜力，提出类器官智能(OI)和生物工程智能(BI)两种路径。OI通过模拟生理性脑结构追求生物真实性，BI则通过模块化工程构建可控神经回路。研究为神经计算、疾病建模和生物计算机开发提供了新框架，发表于《Cell Biomaterials》。

近年来，人工智能的快速发展引发了对新型智能基质的探索。生物神经网络因其高效学习和低能耗特性成为研究热点，但如何在体外培养系统中实现神经智能仍面临挑战。传统硅基计算虽在大型语言模型(LLM)等领域表现优异，但生物神经网络在泛化能力和适应性上具有独特优势。这一背景下，澳大利亚墨尔本大学(University of Melbourne)和Cortical Labs的研究团队在《Cell Biomaterials》发表研究，系统比较了两种开发路径：类器官智能(Organoid Intelligence, OI)和生物工程智能(Bioengineered Intelligence, BI)。

研究采用微电极阵列(MEA)记录技术、干细胞分化方法和模块化神经电路构建等关键技术。通过人类诱导多能干细胞(hiPSC)分化的神经细胞，结合3D培养和微流控装置，建立了可调控的神经信息处理系统。

两种路径的对比框架

研究提出OI是"自下而上"的生物自发过程，旨在复现生理性脑结构；而BI是"自上而下"的工程化设计，通过PDMS微流控芯片等工具精确控制神经连接。

显示，OI侧重生物真实性，BI则追求功能优化。

类器官智能的技术挑战

脑类器官存在核心坏死和细胞类型特异性不足等问题。研究指出，现有MEA技术仅能记录类器官基底面活动，而新型可拉伸纳米电子器件和3D自卷式生物传感器有望实现全表面监测。

展示了两种路径在可解释性、生理相关性和技术难度上的差异。

生物工程智能的突破

通过微图案化表面和聚二甲基硅氧烷(PDMS)微流控结构，研究者构建了具有方向性连接的神经网络。实验证明模块化设计能增强网络对电刺激的敏感性，在语音数字分类任务中准确率提升27%。

伦理与应用前景

研究强调OI可能引发神经伦理争议，而BI因脱离生理结构更易被接受。两种技术短期内可用于药物筛选和疾病建模，远期或实现机器人控制和环境交互。Brett J. Kagan团队建议建立"预期治理框架"规范该领域发展。

这项研究为合成生物智能(Synthetic Biological Intelligence, SBI)提供了系统化发展路线，揭示了生物神经网络在医疗和计算领域的变革潜力，同时为相关伦理讨论奠定了科学基础。