戴上一套特殊裝備后，就能把自己的想法在屏幕上展示出來。

——沒錯，這位無法說話的癱瘓者正在“意念回復”ing……

他在腦中默讀字母的“代號”*，平均約2秒鐘就可以輸出一個字母，最終平均字符錯誤率僅6.13%。

研究者表示，這種腦機接口堪稱截癱和漸凍癥患者的福音：

從大腦活動中解碼語音來幫患者“說話”，是一種非常有潛力的新方案！

去年，斯坦大學研究團隊也給一位癱瘓且無法說話的老爺子植入了腦機接口，成果還登上了Nature封面。

雖然準確率超過了99%，但他們用的另一種方式：讓患者在腦中“手寫”字母。

而現在這個用腦機接口來讀取大腦中“語音”的團隊，來自加利福尼亞大學舊金山分校（UCSF）。

最近，他們的相關論文登上了Nature Communications。

下面就來看看這群研究者具體是如何操作的。

植入腦機接口，讀取大腦“語音”

植入患者頭部的設備如下：

一組高密度的電極，即128通道皮質電圖（ECoG）陣列；另外還有一個經皮連接器，用來連接植入設備和外部系統。

其實早2019年，這些設備就被植入到該患者的頭部。幾年過去了，目前沒有任何手術并發癥。

在拼寫測試正式開始前，是數據的收集和預處理。

研究人員通過植入的ECoG陣列以及外部計算機系統，來提取并分析患者神經特征，包括高伽馬活動（High-gamma activity，HGA）和低頻信號（ Low-frequency signal，LFS）等。

其中，高伽馬活動是判斷成年人認知功能的重要指標；而分析低頻振蕩則有助于判斷大腦中想象的語音以及腦損傷程度。

為了提高數據質量，研究者使用濾波器對所得數據進行了降噪處理。

研究者由這些數據得出，雖然患者癱瘓且無法說話，但他的腦子基本正常。

下面，拼寫試驗正式開始——首先，患者在大腦中默念一個單詞來自動喚醒AI。

然后根據屏幕上顯示出的問題，在腦子中按字母作答，并根據提示每2秒左右想象一個字母。

不過他在腦中默念的并非每個字母本身讀音，而是其NATO代碼（比如α代替a，β代替b）。

因為NATO代碼比字母本身發音更長、更多變，按理來說應該更容易被辨別。

為了證明默念NATO代碼發音確實比字母本身發音效果更好，研究人員還專門做了對比實驗。

結果顯示，默讀NATO代碼時，大腦神經的活動整體差異性真的比讀字母原發音明顯，并且總體識別準確率也更高。

在患者“意念輸出”的同時，基于RNN的字母分類模型會處理每一個神經時間窗。

研究者設計了單詞錯誤率（WER）、字符錯誤率（CER）、每分鐘單詞數（WPM）等指標來評估解碼的句子。

結果顯示，對于一個1152個單詞的詞匯表，字符錯誤率的中位數近6.13%，單詞錯誤率的中位數為10.53%。

也就是說，患者想象的這些單詞中，近九成都能一次性準確表達。

另外，研究人員還將這一方法推廣到包含9170個單詞的詞匯表中，字符平均錯誤率也僅8.23%。

實際上，該團隊在去年就搞出了類似的“意念輸出”裝備，當時他們讓開頭這位癱瘓且失語多年的患者成功“說話”，每分鐘能表達15個單詞左右。

但當時這個AI掌握的總詞匯量少得可憐，只有50多個，且解碼錯誤率約為25%。

由此可見，在一年左右的時間內，研究團隊對這個腦機接口完成了飛躍式升級。

當然，他們也表示，患者目前必須按以預先設定的速度來想象字母讀音（比如每2.5秒想象一個），這樣還不夠靈活。

而且現在的結果僅限于一個參與者，該方法效果到底怎么樣，后續還需要在更多的患者中得到驗證。

研究團隊簡介

最后，再來看看本研究背后的團隊：他們來自加利福尼亞大學舊金山分校（UCSF）韋爾神經科學研究所。

UCSF是加州大學系統的十所分校之一。

論文的共同一作有3位：Sean L. Metzger，Jessie R. Liu 和 David A. Moses，他們目前均為UCSF的博士研究生。

通訊作者Edward F. Chang教授，現任神經外科醫生兼UCSF神經外科系主任。

Chang教授博士畢業于UCSF，后曾到UC伯克利從事認知神經科學的博士后研究。

他的重點研究方向為語言、運動和人類情感的大腦機制，希望能借此幫助癱瘓和語言障礙患者恢復一定的正常功能。