PsyBrain 脑心前沿 / 脑机接口：当神经科学与机器相连 / A · 专题深度 / A018 · 瘫痪后重新打字：脑机接口新思路

A018 瘫痪后重新打字：脑机接口新思路

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-24 ｜原文链接

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

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

发表时间：2026.3.16

发表期刊: Nature Neuroscience

影响因子：19.5

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

引言

对于重度瘫痪患者来说，失去交流能力往往比失去行动能力更令人痛苦。现有替代交流方式，如眼动追踪和屏幕点选键盘，虽然能用，但速度慢、负担重、误差高，且常常需要反复校准。

近年来，脑机接口（brain–computer interface, BCI）在语音解码、手写解码等方向已经带来明显进展，但这些方式也各有门槛：要么依赖复杂的发音表征，要么需要用户学习一套并不天然贴近日常交流的输出方式。

这篇技术报告换了一个很“人类习惯”的思路：既然键盘打字本身就是高信息率、低学习成本、广泛使用的交流行为，那么能不能直接从大脑里解码“想要用手指敲键盘”的意图？

作者开发了一套皮层内脑机接口打字神经假体（intracortical BCI typing neuroprosthesis），让两位四肢瘫痪参与者通过尝试做双手手指动作，在虚拟 QWERTY 键盘上进行自然、连续、可自定节奏的输入。这个设计之所以重要，不只是把打字这件事搬进了脑机接口，更在于它充分利用了人们对标准键盘布局和手指分工的长期经验，把“高吞吐交流”建立在熟悉的动作语义之上。

实验设计与方法逻辑

研究纳入两位 BrainGate2 临床试验参与者，一位为肌萎缩侧索硬化症（amyotrophic lateral sclerosis, ALS）患者，一位为脊髓损伤患者；作者首先在中央前回（precentral gyrus）微电极阵列记录中验证双手各手指尝试运动的神经表征，随后让参与者进行句子复制和自由打字训练，用循环神经网络解码 30 个按键状态，并结合 5-gram 语言模型进行整句校正，从而评估在线打字速度、错误率、校准需求、跨天稳定性以及与手写解码的比较优势。

核心发现

运动皮层中存在足够丰富的双手手指编码

图1是整篇文章的起点。作者先证明，瘫痪参与者的中央前回仍保留了对双手各手指不同动作方向的可分辨神经表征，而且不仅能区分对侧手指，也能捕捉同侧和双手相关信息。这个结果非常关键，因为它回答了技术可行性的第一问：在失去实际运动输出后，大脑里是否还保留可用于打字的高维手指表征。答案是肯定的，而且编码维度足以支持真实键盘输入，而不是只能做几个粗糙手势。

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

自定节奏的双手 QWERTY 输入实现了高吞吐交流

这项工作最醒目的结果，是它把脑机接口打字推进到了更接近日常交流的速度。两位参与者中，表现最佳者达到 110 个字符/分钟，相当于 22 个词/分钟，词错误率仅 1.6%。作者在讨论中指出，这已经达到同年龄段健全人智能手机打字速度的大约 81%，并且比既往基于手运动皮层的高性能 iBCI 方法更快。这里真正值得关注的不是单一数字，而是 “速度、准确率和自然交互方式” 三者同时成立。

图10

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

图11

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

QWERTY 的错误结构比手写更“适合”语言模型修正

图4很有意思。作者比较了打字解码和既往手写解码的错误模式，发现 QWERTY 打字中的错误更常发生在同一手指或相邻手指负责的近邻按键之间，而手写的错误则更容易出现在形状相近的字母之间。前者对语言模型更友好，因为相邻键位的混淆未必会落到英语中常见、可互换的词形上；后者则更容易把不同单词拉近。也正因此，在较高字符错误率条件下，QWERTY 路径带来的词错误率仍然更低，说明这不是单纯的工程细节，而是“动作空间设计”本身就在影响最终语言输出质量。

图12

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

少量校准即可起步，但跨天漂移仍是现实问题

作者没有回避系统落地中最实际的一环：每天要不要重训。结果显示，对表现较好的参与者而言，仅需 30 句校准就能达到可用水平，50 句时词错误率可接近 4%；而且在不重新校准的情况下，原始解码器在 1 天后仍维持较低错误率，数天后虽然出现神经漂移，但性能尚未完全崩溃。这部分结果之所以重要，是因为它说明系统已经从“实验室演示”向“日常使用原型”迈了一步，不过作者也明确指出，更长期稳定的无监督更新和基础模型泛化仍是未来重点。

图13

归纳总结和点评

这篇文章的亮点，不只是把脑机接口速度再往前推了一截，而是找到了一个兼顾可学性、直觉性和高吞吐率的交流入口：打字。作者没有强迫用户适应新的输出语言，而是让解码系统尽可能贴近人类长期训练出的手指—键位映射。更难得的是，论文同时处理了神经表征、在线性能、错误结构和实际校准成本这些决定临床可用性的关键环节。它让“瘫痪后重新高效输入文字”这件事，看起来第一次有了接近日常生活的轮廓。

图14