近日發表在《自然》雜志上的兩項獨立研究表明，未來，腦機接口（BCI）可以幫助因嚴重癱瘓而無法說話的人恢復溝通。在這兩項研究中，研究人員都使用了可以接收大腦信號的大腦植入物，然后使用算法將這些信號翻譯成屏幕上的句子。雖然這不是一個新概念，但令人興奮的是，兩個研究團隊都能夠比現有技術更快、更準確地做到這一點。

在斯坦福大學的這項研究中，研究人員在一名肌萎縮側索硬化癥（ALS）患者的大腦中植入了與言語相關的兩個區域的電極。腦機接口設計用于檢測患者試圖說話時的大腦活動。然后，這些信號被輸入一種算法，該算法將某些大腦活動模式與構成語音的音素聯系起來。為了訓練算法，研究人員讓患者嘗試在25個會話中說出或默念樣本句子，每個會話大約持續4個小時。

在加州大學舊金山分校和加州大學伯克利分校的研究中，研究人員通過手術將一張含有253個電極的紙張放在一名因腦干中風而嚴重癱瘓的人的大腦上。與斯坦福大學的研究一樣，研究人員讓患者通過嘗試說話來訓練算法，以便識別哪些大腦信號與不同的音素有關。然后，這些信號被轉換成面部表情，并在數字化身上調制語音。

雖然這些研究使用了略有不同的方法，但結果在準確性和速度方面是相似的。斯坦福大學的這項研究在限制在50個單詞的詞匯表中的錯誤率為9.1%，在擴展到125000個單詞的單詞表中的出錯率為23.8%。大約四個月后，斯坦福算法可以以每分鐘68個單詞的速度將大腦信號轉換為單詞。加州大學舊金山分校和伯克利分校的算法能夠以78wpm的中位速率解碼。119個單詞的詞匯的錯誤率為8.2%，1024個單詞的單詞的錯誤率約為25%。

盡管23%至25%的錯誤率對于日常使用來說還不夠好，但與現有技術相比，這是一個顯著的進步。在一次新聞發布會上，加州大學舊金山分校神經外科系主任、加州大學舊金山學院研究報告的合著者Edward Chang指出，與自然語音的150至250wpm相比，現有技術的有效溝通率在5至15wpm是“費力的”。

Chang在新聞發布會上說：“每分鐘60到70wpm對我們這個領域來說是一個真正的里程碑，因為它來自兩個不同的中心和兩種不同的方法。”

也就是說，這些研究更多的是概念的證明，而不是為黃金時段做好準備的技術。一個潛在的問題是，這些治療需要長時間的訓練來訓練算法。然而，兩個團隊的研究人員在一次簡報會上告訴媒體，他們希望未來算法訓練的強度會降低。

霍華德休斯醫學研究所的研究科學家、斯坦福大學研究報告的合著者Frank Willett說：“這些都是非常早期的研究，我們沒有一個大的其他人的數據數據庫。隨著我們進行更多的記錄并獲得更多的數據，我們應該能夠將算法從其他人身上學到的東西傳遞給新的人。”Willett確實注意到，這還需要更多的研究。

另一個問題是，這項技術必須足夠容易讓人們在家里使用，而不需要護理人員接受復雜的培訓。大腦植入物也是侵入性的，在這些特定的研究中，腦機接口必須通過電線連接到頭骨外部的設備上，然后連接到計算機上。也有人擔心電極退化，以及這些可能不是永久解決方案的事實。為了讓消費者使用，這項技術必須經過嚴格審查，這可能是一個漫長而昂貴的過程。

此外，這些研究是針對那些仍有一定活動能力的患者進行的。一些神經系統疾病，如晚期ALS，會導致所謂的“閉鎖綜合征”。在這種狀態下，一個人仍然有思考、視覺和聽覺的能力，但只能通過眨眼或其他小動作進行交流。閉鎖綜合征患者最需要這種技術，但還需要更多的研究來確定這種方法是否有效。

Chang說：“我們已經跨過了性能的門檻，我們都非常興奮，因為它跨過了可用性的門檻。”他指出，如果這項技術能夠安全、廣泛地實施，它的潛在好處是巨大的。“我們正在認真考慮這個問題，以及下一步該怎么辦。”

審核編輯：彭菁