多种疾病可以引起脑部损伤导致的语言能力丧失，包括中风和肌萎缩性侧索硬化症，目前许多辅助交流方法可以帮助脑损伤语言能力丧失患者恢复交流能力，大大提高了患者自主性和生活质量，但直接从患者的大脑皮层活动中解码单词和句子的方法，是一种更为进步，有效的辅助交流方式。近日研究人员开展BRAVO试验将这一设想变成了现实。

本次研究的对象是一名36岁男子，在20岁时，因右椎动脉脑中风，导致严重的麻痹性四肢瘫痪和关节炎而丧失语言能力，但其认知功能完好，简易精神状态检查表（0-30，得分越高，认知能力越好）得分为26分。研究人员在患者感觉运动皮层上植入了硬膜下、高密度、多电极阵列。在48期训练过程中，研究人员让参与者，从包含50个单词的词汇集中，尝试说出单个单词，并记录了22小时的皮层活动。随后研究人员使用深度学习算法来创建计算模型，以检测和分类记录皮层活动模式，并与现有的自然语言模型相关联，通过前面单词预测下一个单词，以试图解码患者想要表达的完整句子。

通过该方法，研究人员以每分钟15.2字的平均速度实时解码参与者皮层活动想要表达的句子，单词错误率为25.6%。事后分析显示，该模型检测了98%的参与者试图表达的单个单词，在为期81周研究期间，对皮层信号单词分类解码的准确率为47.1%。

长期训练后，模型皮层活动信号解码准确率变化

本次研究首次实现了，在脑干中风引起的瘫痪患者中，通过使用深度学习模型和自然语言模型，直接解码皮层活动以恢复患者的语言功能。

原始出处：

David A. Moses et al. Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria. N Engl J Med，July 15，2021.