本文分享自百度開發者中心NEJM：全球首例，AI+腦機接口技術讓「失語」癱瘓患者實現溝通自由html
每一年，全球有成千上萬的人因中風、事故或疾病而喪失說話的能力。這讓他們像一座座孤島，默默承受着生命帶來的沉重。如何幫助這些沒法言語的癱瘓患者提升生活質量，是腦機接口領域一直但願攻克的課題。算法
近日，美國加州大學舊金山分校 Chang Lab 的研究人員發表論文稱，他們首次用腦機接口幫助一位癱瘓超過 15 年的失語男子 BRAVO1 恢復了 「說話」 能力。字體
7 月 15 日，該成果以 Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria 爲題發表在《新英格蘭醫學雜誌（NEJM）》上。url
NEJM 社論文章稱，這一進展是 「神經工程學的一項壯舉」 。社論還指出，電極等技術的進步會進一步提升腦機接口解碼的準確性。spa
在這項名爲 Brain-Computer Interface Restory of Arm and Voice 的研究中，BRAVO1 成爲了第一個受試者。他在 20 歲時因嚴重的腦幹中風癱瘓並失語，只有頭、脖子和四肢能進行極爲有限的活動，但其大腦的認知功能無缺無損。.net
研究人員與 BRAVO1 合做，開發了一個 50 個單詞的詞彙表，其中包括在平常生活中常常出現的高頻單詞，如 「水」、「家庭」 和 「好」，而後經過外科手術在他的大腦感受運動皮層上植入了一個高密度電極。rest
在接下來的幾個月裏，研究小組記錄了他試圖說出這 50 個單詞時的神經活動，並用天然語言技術創建了相應的數據模式。加州大學舊金山分校發佈的視頻顯示，BRAVO1 在佩戴上腦機接口之後被問到 「你今天怎麼樣？」 他回答：「我很好」。還有 「你想喝點水嗎？」 他的回答是，「我很好」 和 「不，我不渴。」code
研究人員表示，該系統每分鐘解碼 15.2 個單詞，準確率中值爲 75%。從論文中能夠看到，整個流程包括語言啓動（prompt）、皮層信號（cortical signals）、神經信號處理（neural signal processing）、言語檢測（speech detection）、詞彙分類（word classification）、語言建模（language modelling）和解碼回答（decoded response）等七個步驟。視頻
帶領這個研究團隊的神經外科醫生 Edward Chang 博士指出：「據咱們所知，這是第一個成功將癱瘓失語者的大腦活動直接解碼成語言的例子。這說明經過介入大腦的自然語言機制來恢復交流頗有前景。」 他還表示，BRAVO1 只是第一個參與者，而他們正在作進一步的嘗試。htm
腦機接口的重大突破和受試者們
腦機接口（Brain Computer Interface，BCI）是指在人或動物大腦與外部設備之間建立的直接鏈接，實現腦與設備的信息交換。這種信息通信系統不依賴於外圍神經和肌肉組成的傳統輸出通路。不一樣設備可採集大腦活動產生的電場、磁場或血紅蛋白氧合等參數，再發送到計算機進行解讀。
按侵入性由淺到深和腦信號分辨率由低到高排序，目前最主流的三種腦機接口設備分別是讀取頭皮腦電圖（EEG）的腦電帽；讀取皮層腦電圖（ECoG）的芯片、電極和傳感器；以及讀取腦組織內部信號的皮質內電極（Intracortical BCI，iBCI）。
2021 年 3 月 30 日，BrainGate 團隊在 IEEE 生物醫學工程學報上發表論文 （點擊藍色字體查看學術頭條以往報道），記錄人類大腦信號與計算機之間首次實現無線高帶寬傳輸。參與者 T5 和 T10 經過意念在標準的平板電腦上進行指向、點擊和打字，且打字的準確率超過每分鐘 37 個字符。
2021 年 5 月 13 日，斯坦福大學的研究人員利用腦機接口技術（點擊藍色字體查看學術頭條以往報道）獲取了大腦運動皮層 「手寫」 筆跡的神經活動，並利用算法將神經活動轉換爲了電腦屏幕上的文本。神奇的是，此次的主角也是首次實現腦機接口信號無線傳輸的 T5。
勇敢的 BRAVO1
與前兩次重大突破所使用的技術相同，這次 BRAVO1 也接受了在本身大腦內植入電極的深度神經讀取技術。
2019 年 2 月，BRAVO1 接受了開顱手術，醫生在他左腦的感受運動皮層（sensorimotor cortex）上方，腦膜下方放置了高密度電極列列陣。論文顯示，這個電極列陣能夠在 BRAVO1 大腦中多個語言區域收集到信號，包括左側中央前回、中央後回、額中後回和額下後回的一部分。
開顱手術兩個月以後，研究團隊開始了對 BRAVO1 的實驗，共分爲獨立單詞和句子兩項任務。在獨立單詞任務中，BRAVO1 先會看到 50 個經常使用單詞中的一個。當屏幕上的單詞變成綠色時，BRAVO1 便開始用意念 「說」 出這個單詞，進而讓電極記錄下他的神經活動。論文稱，團隊共進行了 9000 次單詞任務，有效數據時長爲 22 個小時。
分析顯示，腦機接口檢測到受試者試圖生成單詞的機率爲 98%，有 191 次未檢測到 BRAVO1 的語言意圖。在 81 周的研究期間，分類單詞的準確率達到了 47.1% 。有趣的是，即便是在腹側感受運動皮層（ ventral sensorimotor cortex）區域，電極位置稍有不一樣對解碼 BRAVO1 語言功能的做用也不盡相同。所以電極的大小就對解碼語言的準確性產生了決定性的影響。
在句子任務中，BRAVO1 會在大腦中嘗試 「說出」 計算機顯示的 50 個句子中的一句，接着將神經信號反饋到計算機模型中。這項任務共進行了 250 次。接下來，團隊用錯字率和每分鐘解碼的字數來衡量語言模型的準確率。報告稱，使用語言建模的中位數錯誤率爲 25.6%。對於單個句子塊，觀察到的最低單詞錯誤率爲 7.0%(經過語言建模)。當使用由天然語言模型隨機生成的句子來測量機會表現時，中位數詞錯誤率爲 92.1%。
Facebook 放棄將腦機接口商業化
Facebook Reality Labs (FRL) 腦機接口項目成立於 2017 年，其目標爲建立一個能將大腦活動直接轉化爲文字的腦機接口系統。這次 Change Lab 的研究成果便受到了 Facebook 的資助，也是其合做項目 Project Steno 的重大進展。但就在這篇論文發表的當天，Facebook 在宣傳稿中宣佈放棄將腦機接口產品商業化的想法，轉而開發腕錶界面。
在新聞稿中，Facebook 強調了本身對這項成果的貢獻，同時強調公司將再也不開發侵入性腦機接口：「須要說明的是，Facebook 對開發須要植入電極的產品沒有興趣。雖然咱們仍然相信腦機接口技術的長期潛力，但咱們已經決定當即將我把重點放在一款腕錶可穿戴設備上。這款設備將在短時間內進入市場。」
這一表態一方面反映了腦機接口和技術市場化之間存在的巨大鴻溝，另外一方面更加反映了外界對大型科技公司進行神經讀取技術商業開發的巨大倫理擔心。
不過對 Eddie Chang 來講，幫助殘疾人提升生活質量的目標依然沒有改變。他在新聞稿中表示，下一步是改進本身的系統，並在更多人身上進行測：「在硬件方面，咱們須要創建分辨率更高的系統，以便更快地從大腦記錄更多信息。在算法方面，咱們須要有可以將這些來自大腦的很是複雜的信號轉換成口語的系統，而不是文字。」
雖然商業話前景並不明朗，但對 BRAVO1 和更多像他同樣生活在孤島裏的失語癱瘓患者來講，腦機接口技術都將是他們恢復與世界溝通的但願。
參考資料：
https://www.nejm.org/doi/full/10.1056/NEJMoa2027540
https://tech.fb.com/bci-milestone-new-research-from-ucsf-with-support-from-facebook-shows-the-potential-of-brain-computer-interfaces-for-restoring-speech-communication/
撰文：劉芳
編審：王新凱