脑机接口迎来突破：瘫痪患者用大脑实现书写
更新动态：
此前，埃隆·马斯克的 neuralink 公司已成功让猴子通过脑机接口控制光标打游戏。如今，斯坦福大学、霍华德·休斯医学研究所（hhmi）和布朗大学等机构的研究团队更进一步，利用脑机接口帮助瘫痪患者将脑中 "笔迹" 转换成屏幕文字。
里程碑意义：
美国国立卫生研究院脑科学计划（nih brain initiative）主任约翰·恩盖博士表示："这项研究标志着脑机接口和机器学习技术发展的重要里程碑。它揭示了人脑如何控制复杂的通讯过程，为改善因神经损伤和瘫痪而受到影响的生活提供了基础。"
研究方法：
研究人员采用皮质内脑机接口，首次对瘫痪患者书写字母相关的神经信号进行递归神经网络解码，并实时显示这些字母的打字版本。
研究成果：
相关文章于 5 月 12 日发表在 nature，并登上封面。该研究为脑机接口开辟了新途径，展现了瘫痪患者多年后仍可实现精准解码和快速灵巧运动。
突破性的创新：
hhmi 研究员克里希纳·谢诺伊表示："这项研究的突破性之处在于首次破译了与手写笔迹相关的大脑信号，让瘫痪患者无需用手也能快速打字。"
参与者情况：
研究参与者是一位 65 岁的高位截瘫患者，因脊髓损伤导致手部瘫痪。通过脑机接口技术，该患者的字母输入在线原始精度为 94.1%，离线通用精度超过 99%。
技术原理：
该技术通过两个微小的植入电极阵列，将控制手和手臂的大脑区域信息传递给算法。算法将其转换为屏幕上的字母。
训练过程：
要求参与者复制屏幕上的字母，包括 26 个小写字母和标点符号。植入电极记录的大脑活动被用于训练算法识别神经模式。
算法优势：
斯坦福大学 hhmi 研究科学家弗兰克·威利特博士指出："这种方法打破了现有脑机接口在通讯中的局限。之前依靠移动光标 '键入' 单词，这种方式导致的独特的活动模式让计算机识别更准确、速度更快。"
技术启示：
该技术的底层算法与 siri 类似。它提取脑电波信号，将其可视化处理，然后进行信号识别。李金星教授表示："该技术的突破在于首次实现用脑电波手写打字，它证明了对灵巧动作的解码，具有更丰富、更精准的脑电波信号。"
图丨时间变化的增加可以使运动更容易解码（来源：nature）
这一技术除了速度快、使用灵活性强，还拥有以下优点：
快捷 输入
华中科技大学ai与自动化学院脑机接口与机器学习实验室主任伍冬睿表示，这项技术在输入速度方面取得了重大进步，接近普通人在智能手机上的打字速度。研究中，测试员的输入速度达90个字符/分钟，而常人用智能手机的打字速度为115个字符/分钟。
目前，基于头皮脑电(eeg)的p300或运动想象范式的文字输入速度约为1-5个字符/分钟，稳态视觉诱发电位(ssvep)范式的速度可达到60个字符/分钟。植入式脑机接口系统可控制二维光标移动来输入文字，但速度不超过40个字符/分钟。
灵活输入
稳态视觉诱发电位输入速度虽快，但需要显示器，用户须全神贯注地盯着显示器上闪烁的字符，耗费大量精力，同时会分散注意力。
通常，输入速度(即每个字符闪烁时间)由系统预先设定，而非用户自主控制。
"这项技术使用户可以自主控制输入速度，无需外置设备，解放双手，更加灵活。" 伍冬睿说。
图丨受试者实验中（来源：npg press）
尽管该技术具有明显优势，但在使用中仍有一些困难需要克服。比如，如何识别形态相近的字符，例如2和z。
伍冬睿认为，解决这一问题的方法可以从两个方面入手：
对于相近的字符，可以设计替代字符。例如，文中提出的优化字符尽可能扩大字符间差异，以提高识别率。如果将2设计成类似 "∩" 的形状，则很容易与 z 区分。
结合上下文区分相近字符。例如字母 z 的前后一般是其他英文字母，而 2 的前后可能是其他数字或空格。借助这些上下文信息，也有助于区分这两个字符。
据媒体报道，该研究团队下一步将尝试新系统，将手写输入文本作为新系统的一部分，该系统还包括点击导航，类似于当前智能手机上使用的导航，包括尝试语音解码。
脑陆科技合伙人、ai算法负责人马鹏程认为，bci意念打字的可落地方向和目标群体可明确分为两类：
第一类针对有运动障碍的群体，借助脑机接口设备，利用意念打字功能实现与外界的无障碍交流与沟通，解决核心的通信和控制问题；
第二类为正常人群的高效交互工具需求，意念打字成为继文本输入、语音输入之外的全新交互方式，或将成为社会变革、推动下一轮技术革命的重要力量。
图丨脑机接口（来源：pixabay）
而该研究要进一步落地发展，从技术角度还需要不断完善。
目前这项研究只在一部分用户上取得成功，能否推广到更多用户还需要进一步验证。
实际上，该研究中效果最好的 t5 用户是之前实验中的 3 个用户之一，因此被用于这项实验。“如果其他用户也参与这项实验，效果可能稍差。”伍冬睿说。
李金星表示，这项技术的未来研究需要考虑个体差异。每个人的脑电波信号可能不同，因此需要深度学习、技术数据不断升级以及更多的临床案例研究。
字符精准度需进一步提升。
本研究使用了 26 个英文字符和 5 个特殊字符，共 31 个字符。“实际中常用的字符比这些要多，比如 10 个数字就没有被考虑进去。更大的字符集可能会降低准确率。”伍冬睿说。
实现输入的复杂功能。
当前实验中，用户会一直输入，无论结果正确与否。但在正常的文本编辑中，用户需要纠正错误。如何实现光标跳转、删除、插入等更复杂的功能，是需要进一步考虑的问题。
脑电信号易用性的提升。
脑电信号并非平稳，该系统每次使用前需要重新校准，会花费用户的时间和精力。该技术需要更好的算法以缩短甚至消除校准，提高易用性。
提高电极质量，降低手术风险。
该技术需要精密手术植入式电极，但由于人体排异反应，该类电极并非一劳永逸，使用一段时间后信号质量会下降，需要重新植入，增加了手术风险和用户花费。“提高电极质量，降低排异反应，对该技术大规模应用是非常重要的。”伍冬睿表示。
实现设备的小型化与无线化。设备小型化和无线化将有利于用户运动和操作的便利性。
伍冬睿认为，未来三到五年，随着电极寿命、灵敏度和密度的进一步提高，以及解码算法的进一步发展，该技术有望更快、更准确。
针对产业化落地，马鹏程提出：
基于我们广泛的 ai bci 实践经验，ai 与脑机接口技术（侵入式和非侵入式）相结合，将实现意念打字。通过构建高质量的大规模模型训练数据集，结合实际使用场景，进行产品设计。
“我相信，很快就能研发出可实际应用的脑机意念打字产品。产业化速度有可能超乎我们的想象。”
图片来源：
https://gaofengtu.oss-cn-beijing.aliyuncs.com/2/594cb5c9c195dae2e70686e0bb84ee1c.jpg
图源： braingate
脑机接口技术的未来发展：
李金星表示：
短期内，非侵入式输入技术可能成为脑机接口的下一个突破，通过脑刺激将外部信号传达给大脑，缓解神经系统损伤疾病（如帕金森氏症、癫痫）和心理疾病（如抑郁症、自闭症）。
长远来看，或许人类只需要大脑即可生存，真正实现“人机共融”。