Nature Portfolio（Brain–machine interface）·2026-09-14 08:00· 2026-09-14精选AI 评分88

UCSF Edward Chang 团队用单块 ECoG 阵列同时解码三名瘫痪受试者的语音与手势

Simultaneous speech and gesture decoding for multimodal communication in paralysis

AI 导读

UCSF Edward Chang 团队在 BRAVO 临床试验（NCT03698149）中，用单块高密度 ECoG 阵列记录三名严重瘫痪受试者的皮层活动，实现语音与上肢手势的并行解码，并驱动个性化全身虚拟形象实时输出。

AI 要点

团队

加州大学旧金山分校神经外科 Edward F. Chang 团队，第一作者 Samantha C. Brosler，共 9 位作者；属于长期专攻脑机接口、与医院有长期临床合作的团队。

主要结果

单块高密度 ECoG 阵列可稳定解码上肢与言语相关口面部动作；仅用孤立行为训练的模型不能自动泛化到同时说与做手势，训练中加入同步试次后各情境表现提升。

解决什么问题

以往 BCI 多在孤立情境下解码言语或手势，尚不清楚单个植入体能否在两者同时进行时可靠解码。

方法

3 名重度瘫痪的长期植入受试者，高密度 ECoG 覆盖感觉运动皮层；言语与手势解码器并行实时驱动个性化全身虚拟形象。

局限

从研究设计看，仅 3 名受试者，属可行性验证，未设对照。

AI 依据原文整理，未经人工核对。

AI 推荐理由

三名严重瘫痪受试者的 ECoG 数据表明，同时尝试说话与手势时解码器需混合训练才能跨情境泛化，为多效应器脑机接口的训练策略提供了可迁移做法。