人工智能+脑机接口：脑卒中瘫痪失语患者的康复之路

撰文 | 英成

责编 | 翊竑

肌肉萎缩性侧索硬化症、脑卒中等疾病会让患者失去说话能力，是当前无法攻克的医学难题。提高患者生活质量的方法之一是基于文字输入的脑机接口【1-5】，但该技术受限于缓慢的速度，使失语者仍无法顺畅地实现语言表达。一种更有效、自然的方法是直接从控制语言的脑区解码整个单词【6-8】，并在健康人中表现不俗。但对于瘫痪失语患者来说，同时采集神经活动和语音较为困难，因此很难直接训练有效的计算模型。

近日，来自美国加州大学旧金山分校的Edward F. Chang研究组在The New England Journal of Medicine上发表题为Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria的研究论文，通过置入电极阵列于控制语言的脑区，利用深度学习算法自动识别患者想说出的单词，因而大幅提升了瘫痪失语患者的语言交流效率。

在这项研究中，研究者招募了一名36岁的瘫痪失语患者。在20岁时，该患者由于罹患脑卒中，导致了严重的痉挛性四肢瘫痪和失语，仅仅能够发出咕噜声和呻吟声。在此次试验开始之前，他常通过计算机辅助的打字接口进行交流，每分钟仅能打出5个正确的单词或18个正确的字符。研究人员通过神经外科方法，在受试者的感觉运动皮层植入了高密度皮层电图电极阵列。

在试验开始后的81周内，受试者接收了若干次语言测试以采集数据。随后，研究者利用了自然语言处理模型和 Viterbi译码等深度学习算法以提高模型的鲁棒性。在对话演示中，研究者会将语句投射在电脑屏幕上（如：“你今天怎么样？”或“你要喝点水吗？”），受试者在脑机接口的帮助下，能够使用包含 50 个单词的词汇集来回答问题。同时，研究者通过电极阵列从大脑表面获取皮层信号并实时处理，使用语音检测模型逐个样本进行分析，并利用深度学习算法从每个检测到的相关神经活动计算单词概率，并预测出受试者最想说出的句子。

在这套系统的帮助下，受试者能够完成“我非常好”或“不，我不渴”等回答。在所有 150 次试验中，受试者每分钟解码的单词数中位数为 15.2。而在 92.0% 的试验中，检测到的单词数等于目标句子中的单词数，且使用自然语言模型的单词错误数量显著减少。重要的是，语音检测和单词分类模型在整个 81 周的研究期间始终如一地执行，无需每天或每周重新校准。

综上，该研究利用人工智能和脑机接口，首次从瘫痪失语患者的大脑活动中解码完整语句，实现了失语者的“重新发声”。虽然该技术依赖相对复杂的神经外科植入手术，且仅能完成50个常见单词的发声，但其为后续研究开辟了道路。未来大规模（如大样本的临床试验）、全方面（如通过脑机接口恢复瘫痪者的肢体功能）的试验，将有可能引发医学研究范式的变革。

图1. 脑机接口的研究示意图

原文链接：

https://www.nature.com/articles/s41586-021-03734-6

制版人：十一

转载须知

【原创文章】BioArtMED原创文章，欢迎个人转发分享，未经允许禁止转载，所刊登的所有作品的著作权均为BioArtMED所拥有。BioArtMED保留所有法定权利，违者必究。