今天發表在《自然》（Nature）雜誌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交流。在這兩項研究中，研究人員都使用了能接收大腦信號的大腦植入物，然後通過算法將這些信號翻譯成屏幕上的句子。雖然這並不是什麼新概念，但令人興奮的是，這兩個研究小組都能比現有技術更快、更準確地完成這項工作。

在斯坦福大學的研究中，研究人員將電極植入一名肌萎縮性脊髓側索硬化症（ALS）患者的大腦中與語言相關的兩個區域。BCI旨在檢測患者試圖說話時的大腦活動。然後將這些信號輸入一種算法，將某些大腦活動模式與音素（組成語音的聲音）聯繫起來。為了訓練這種算法，研究人員讓病人嘗試發聲或默念樣本句子，共進行了25 次訓練，每次大約持續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薄如紙、含有253個電極的紙片貼在一名因腦幹中風而嚴重癱瘓的患者的大腦上。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，這樣它就能識別出哪些大腦信號與不同的音素有關。然後，這些信號被轉換成面部表情和數字化身上的調製語音。

雖然這些研究採用的方法略有不同，但在準確性和速度方面結果相似。斯坦福大學的研究僅限於50 個單詞的詞彙量時，錯誤率為9.1%，而擴大到125000 個單詞的詞彙量時，錯誤率為23.8%。大約四個月後，斯坦福大學的算法能以每分鐘大約68 個單詞的速度將大腦信號轉換成單詞。加州大學舊金山分校和伯克利分校算法的解碼速度中位數為每分鐘78 個單詞。對於119 個單詞的詞彙量，它的錯誤率為8.2%，而對於1024 個單詞的詞彙量，錯誤率大約為25%。

雖然23% 到25% 的錯誤率對於日常使用來說還不夠好，但與現有技術相比已經有了很大的改進。在一次新聞發布會上，加州大學舊金山分校神經外科主席、加州大學舊金山分校研究報告的共同作者愛德華-張（Edward Chang）指出，與自然語音的150 到250wpm 相比，現有技術的有效溝通速度為5 到15wpm，”非常費力”。

張在發布會上說：”60-70wpm對於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。”

一名因腦幹中風而癱瘓的婦女站在顯示器前，顯示器上的數字頭像正在將她的大腦信號轉換成語音。加州大學舊金山分校的研究涉及將大腦信號轉化為面部表情和數字化身上的調製語音的BCI。圖片：加州大學舊金山分校加州大學舊金山分校

儘管如此，這些研究更多的是對概念的證明，而不是一種可以進入黃金時間的技術。一個潛在的問題是，這些療法需要長時間的訓練來訓練算法。不過，這兩個團隊的研究人員在一次簡報會上告訴媒體，他們希望將來算法訓練的強度會降低。

“這些都是非常早期的研究，我們沒有來自其他人的大型數據數據庫。”霍華德-休斯醫學研究所（Howard Hughes Medical Institute）的研究科學家、斯坦福大學研究的共同作者弗蘭克-威利特（Frank Willett）說：”隨著我們做更多這樣的記錄，獲得更多數據，我們應該能夠把算法從其他人那裡學到的東西傳授給新的人。”不過，威利特也指出，這並不能保證，還需要更多的研究。

另一個問題是，這種技術必須便於人們在家中使用，而不需要護理人員接受複雜的培訓。大腦植入也是侵入性的，在這些特定的研究中，BCI 必須通過電線連接到頭骨外部的一個設備，然後再連接到電腦上。此外，還有人擔心電極會退化，而且這些可能不是永久性的解決方案。要讓消費者使用這種技術，必須經過嚴格審查，這可能是一個漫長而昂貴的過程。

加州大學舊金山分校的腦機接口特寫。還需要進行更多的研究，以確定這項技術的無線版本是否可行。圖片：Noah Berger，加州大學舊金山分校諾亞-伯傑，加州大學舊金山分校

此外，這些研究是在仍有一定活動能力的患者身上進行的。一些神經系統疾病，如晚期漸凍人症，會導致所謂的”鎖定綜合徵”。在這種狀態下，患者仍有思考、視覺和聽覺能力，但只能通過眨眼或其他小動作進行交流。鎖定綜合徵患者最需要這種技術，但這種方法是否有效還需要更多的研究。

張說：”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，如果這種技術能夠安全、廣泛地實施，其潛在的好處是巨大的。”我們正在認真考慮這個問題，以及下一步該怎麼做。”