癱瘓后重新打字：腦機接口新思路

一鍵關注，點亮星標 ?? 前沿不走丟！

認知神經科學前沿文獻分享

基本信息

Title:Restoring rapid natural bimanual typing with a neuroprosthesis after paralysis

發表時間：2026.3.16

發表期刊:Nature Neuroscience

影響因子：19.5

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

對于重度癱瘓患者來說，失去交流能力往往比失去行動能力更令人痛苦。現有替代交流方式，如眼動追蹤和屏幕點選鍵盤，雖然能用，但速度慢、負擔重、誤差高，且常常需要反復校準。

近年來，腦機接口（brain–computer interface, BCI）在語音解碼、手寫解碼等方向已經帶來明顯進展，但這些方式也各有門檻：要么依賴復雜的發音表征，要么需要用戶學習一套并不天然貼近日常交流的輸出方式。

這篇技術報告換了一個很“人類習慣”的思路：既然鍵盤打字本身就是高信息率、低學習成本、廣泛使用的交流行為，那么能不能直接從大腦里解碼“想要用手指敲鍵盤”的意圖？

作者開發了一套皮層內腦機接口打字神經假體（intracortical BCI typing neuroprosthesis），讓兩位四肢癱瘓參與者通過嘗試做雙手手指動作，在虛擬 QWERTY 鍵盤上進行自然、連續、可自定節奏的輸入。這個設計之所以重要，不只是把打字這件事搬進了腦機接口，更在于它充分利用了人們對標準鍵盤布局和手指分工的長期經驗，把“高吞吐交流”建立在熟悉的動作語義之上。

實驗設計與方法邏輯

研究納入兩位 BrainGate2 臨床試驗參與者，一位為肌萎縮側索硬化癥（amyotrophic lateral sclerosis, ALS）患者，一位為脊髓損傷患者；作者首先在中央前回（precentral gyrus）微電極陣列記錄中驗證雙手各手指嘗試運動的神經表征，隨后讓參與者進行句子復制和自由打字訓練，用循環神經網絡解碼 30 個按鍵狀態，并結合 5-gram 語言模型進行整句校正，從而評估在線打字速度、錯誤率、校準需求、跨天穩定性以及與手寫解碼的比較優勢。

核心發現

運動皮層中存在足夠豐富的雙手手指編碼

圖1是整篇文章的起點。作者先證明，癱瘓參與者的中央前回仍保留了對雙手各手指不同動作方向的可分辨神經表征，而且不僅能區分對側手指，也能捕捉同側和雙手相關信息。這個結果非常關鍵，因為它回答了技術可行性的第一問：在失去實際運動輸出后，大腦里是否還保留可用于打字的高維手指表征。答案是肯定的，而且編碼維度足以支持真實鍵盤輸入，而不是只能做幾個粗糙手勢。

Fig. 1 | Neural tuning for contralateral and ipsilateral finger movements is present in precentral gyrus.

自定節奏的雙手 QWERTY 輸入實現了高吞吐交流

這項工作最醒目的結果，是它把腦機接口打字推進到了更接近日常交流的速度。兩位參與者中，表現最佳者達到 110 個字符/分鐘，相當于 22 個詞/分鐘，詞錯誤率僅 1.6%。作者在討論中指出，這已經達到同年齡段健全人智能手機打字速度的大約 81%，并且比既往基于手運動皮層的高性能 iBCI 方法更快。這里真正值得關注的不是單一數字，而是“速度、準確率和自然交互方式”三者同時成立。

Fig. 2 | Thirty distinct finger movements can be decoded from the precentral gyrus.

Fig. 3 | The iBCI bimanual QWERTY keyboard affords high-throughput communication.

QWERTY 的錯誤結構比手寫更“適合”語言模型修正

圖4很有意思。作者比較了打字解碼和既往手寫解碼的錯誤模式，發現 QWERTY 打字中的錯誤更常發生在同一手指或相鄰手指負責的近鄰按鍵之間，而手寫的錯誤則更容易出現在形狀相近的字母之間。前者對語言模型更友好，因為相鄰鍵位的混淆未必會落到英語中常見、可互換的詞形上；后者則更容易把不同單詞拉近。也正因此，在較高字符錯誤率條件下，QWERTY 路徑帶來的詞錯誤率仍然更低，說明這不是單純的工程細節，而是“動作空間設計”本身就在影響最終語言輸出質量。

Fig. 4 | Word-level decoding is robust to QWERTY error patterns and the typing neuroprosthesis can be rapidly calibrated.

少量校準即可起步，但跨天漂移仍是現實問題

作者沒有回避系統落地中最實際的一環：每天要不要重訓。結果顯示，對表現較好的參與者而言，僅需 30 句校準就能達到可用水平，50 句時詞錯誤率可接近 4%；而且在不重新校準的情況下，原始解碼器在 1 天后仍維持較低錯誤率，數天后雖然出現神經漂移，但性能尚未完全崩潰。這部分結果之所以重要，是因為它說明系統已經從“實驗室演示”向“日常使用原型”邁了一步，不過作者也明確指出，更長期穩定的無監督更新和基礎模型泛化仍是未來重點。

歸納總結和點評

這篇文章的亮點，不只是把腦機接口速度再往前推了一截，而是找到了一個兼顧可學性、直覺性和高吞吐率的交流入口：打字。作者沒有強迫用戶適應新的輸出語言，而是讓解碼系統盡可能貼近人類長期訓練出的手指—鍵位映射。更難得的是，論文同時處理了神經表征、在線性能、錯誤結構和實際校準成本這些決定臨床可用性的關鍵環節。它讓“癱瘓后重新高效輸入文字”這件事，看起來第一次有了接近日常生活的輪廓。

請打分

這篇剛剛登上Nature Neuroscience的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及 Nat Neurosci, Nat Hum Behav, Neuron, Sci Adv 等核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」，為你打破信息差

科研是一場探索未知的長跑，但你無需獨行。歡迎志同道合的你加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵分享，讓更多人了解前沿