科研团队利用大语言模型作为辅助协同模块,搭配 EEG 脑电采集的非侵入式脑机接口,在不进行开颅植入手术的前提下,把脑机文字通信速度提升接近三倍,整套系统不需要颅内电极,依靠头戴式脑电帽采集微弱脑信号,AI 一方面过滤脑电里大量环境噪声、优化神经信号解码,另一方面根据上下文预判用户想要表达的语句,自动补全文字,大幅减少用户每一个字都需要单独用脑信号选择的等待次数,这项成果主要面向渐冻症、高位损伤后失去说话与行动能力的人群,平衡了安全无手术风险和通信效率两大痛点,缩小了非侵入式方案和植入式脑机接口之间的性能差距。
一、新旧方案性能对比
| 项目 | 传统非侵入式脑机拼写系统 | AI 辅助新版本 |
|---|---|---|
| 通信速率 | 较低,逐字符选择,等待周期长 | 速度提升近 3 倍,依靠上下文预测补全 |
| 信号采集方式 | EEG 脑电帽,非侵入 | EEG 脑电帽,非侵入,采集硬件不变 |
| 核心瓶颈 | 脑电信噪比差、每选一个字符都需要独立触发 | AI 降噪 + 语言模型语义预判、句子补全 |
| 手术风险 | 无 | 无 |
| 适用人群 | 残障沟通人群,耐受视觉刺激 | 残障沟通人群,耐受视觉刺激 |
传统脑机拼写器大多是 SSVEP 稳态视觉诱发电位范式,屏幕展示字母矩阵,用户盯着目标字母触发脑电信号,系统识别之后录入文字,每个字符都要单独确认,整体速度慢、使用者容易疲劳。加入 AI 之后,系统读懂已经输入的文字、对话上下文,预判接下来用户大概率想输入的词汇和句子,用户只需要少量脑信号确认,不需要逐个点选全部字符,以此压缩耗时。
二、AI 在这套脑机接口里的两项核心作用
- 神经信号降噪和解码增强
- 语义预测与句子补全
头皮采集的脑电信号混杂肌电、工频、环境干扰,信噪比很低。深度学习模型可以区分有效意图信号和各类噪声,提升识别准确率,减少反复选错、退回重选的时间损耗。
大语言模型持续跟踪对话语境,给出候选词句。用户用脑信号确认选择,一次确认可以输出一整段短语,而不是单个字母,这也是速度提升近三倍最主要的来源。AI 不会替用户擅自发送内容,所有候选都要用户脑信号确认之后才会输出。
三、和植入式脑机接口的区别
植入式脑机电极直接接触脑组织,信号质量高、通信速度更快,但是需要开颅手术,存在感染、排异、手术创伤等风险,临床准入门槛很高。本次 AI 辅助方案全程无创,穿戴脑电帽就可以使用,安全性高、后期维护简单,缺点是信号上限依然受头皮衰减限制,速度和稳定性暂时还比不上成熟植入方案,更适合优先追求安全、不接受手术的患者。
四、当前存在的局限
提升近三倍是在受控实验室测试条件下得到的数据,测试环境安静、受试者状态稳定。现实场景里,眨眼、头部晃动、外界噪音都会干扰脑电信号,速度增益会出现波动。另外,AI 预测依赖语言上下文,如果用户要输入陌生专有名词、随机字符,预测能力会大幅下降,提速效果明显缩水。该方案还处在试验阶段,距离正式医疗商用还有验证周期。
五、应用场景规划
首要场景是运动神经元病、严重瘫痪、闭锁综合征患者的日常文字沟通,方便和家人、医护交流。未来还可以拓展到简单设备控制,比如用这套脑信号搭配 AI 助手控制家电,不过现阶段研发重心优先放在文字通信功能上。
【相关 FAQ】
问题 1:AI 辅助非侵入式脑机接口通信速度提升近三倍,是不是需要做手术植入电极?
回答 1:不需要,AI 辅助非侵入式脑机接口通信速度提升近三倍,采用 EEG 脑电帽采集信号,全程无创,不用开颅植入电极。
问题 2:AI 辅助非侵入式脑机接口通信速度提升近三倍,AI 会不会擅自替用户发消息?
回答 2:不会,AI 辅助非侵入式脑机接口里的语言模型只负责给出候选句子,每一条候选内容都需要用户脑信号确认之后,才会完成输出发送。
问题 3:AI 辅助非侵入式脑机接口通信速度提升近三倍,输入陌生专业名词还能保持提速效果吗?
回答 3:很难,AI 辅助非侵入式脑机接口的提速来自上下文语义预测,输入陌生专有名词、无关联随机字符时,预测失效,通信速度会回落到接近传统脑机拼写器水平。
【参考资料】
[2026-11-20](AI 辅助 EEG 脑机接口:非侵入式文字通信速率提升近三倍)生物谷
[2026-11-20](Large language models boost non-invasive BCI communication speed)Medical Xpress
[2026-11-20](Rutgers 团队演示 AI 协同脑机拼写系统)罗格斯大学官网
[2026-11-20](非侵入脑机接口结合 LLM 的性能边界与临床展望)DeepTech
【免责声明】
本文内容基于公开科研报道整理,AI 辅助非侵入式脑机接口尚处于实验室研究阶段,未完成医疗商业化落地;不同受试者、使用环境下的提速效果存在差异,不构成医疗应用推荐。
