近日，来自斯坦福大学、加州大学戴维斯分校、埃默里大学等多家机构的研究团队在bioRxiv平台发表重磅研究成果，首次成功实现了高性能皮层内脑机接口（BCI）在不同用户间的语音和手写解码跨脑迁移学习。这一研究突破了传统脑机接口新用户需大量训练数据的瓶颈，为脑机接口的临床转化和广泛应用铺平了道路，有望让脊髓损伤、肌萎缩侧索硬化（ALS）等运动功能障碍患者更快地通过脑机接口恢复语言和书写交流能力。
脑机接口作为连接大脑与外部设备的重要桥梁，已能通过解码大脑神经信号，将患者尝试的手写、语音等复杂运动转化为文字，实现高速准确的交流。但长期以来，这类高性能的皮层内脑机接口存在一个关键痛点：新用户需要进行长达10天左右的大规模监督式数据采集，才能让解码器达到接近峰值的性能，这极大限制了脑机接口的临床落地效率。为此，研究团队提出了“跨脑迁移”的解决方案——利用已有用户的神经活动记录预训练神经解码器，再对新用户的少量数据进行微调，以此减少新用户的初始数据采集负担。
此前，相关迁移学习研究多局限于非人灵长类动物、表面肌电等非皮层内记录模态，且仅能针对小词汇量进行解码，而手写、语音这类精细运动的皮层内脑机接口解码本就需要更大数据集，通用词汇量下的跨脑迁移尚未被探索。本次研究则填补了这一空白，团队以5名BrainGate2临床试验参与者为研究对象，这些参与者均因脊髓损伤、ALS、脑干卒中等导致运动功能障碍，其大脑运动相关区域均植入了微电极阵列。研究依托48.9小时的神经记录数据，针对无约束的通用英语口语和书面语语料展开实验，首次在临床更具参考价值的通用词汇体系下，验证了皮层内脑机接口跨脑迁移的可行性。
每位参与者的言语和手写任务设计以及电极阵列放置 ©The Authors/bioRxiv
大多数用户跨脑迁移成功，数据集专属可训练输入层是关键
研究团队通过一系列严谨实验，得出了三项核心关键发现。首先，跨脑迁移在新用户训练数据有限（少于200个句子）时，能显著提升语音和手写的解码性能，这一效果在所有测试用户中均成立，仅参与者T18为例外。该参与者的神经信号质量异常优异，仅需约20个句子的训练数据，从零开始训练的解码器性能就已饱和，其手写解码甚至在单轮数据采集下实现了2%的字符错误率，因此跨脑迁移未体现出增益。
其次，解码器中适配特定数据集的可训练输入层是跨脑迁移成功的核心前提。研究使用的循环神经网络（RNN）解码架构为不同用户、不同数据采集日设置了独立的可训练输入层，对比实验显示，若移除这一设计，改用所有用户共享的单一输入层，跨脑迁移不仅无法提升性能，表现甚至不如仅用新用户数据从零训练。这一设计不仅能解决单一用户不同时段的神经信号不稳定性问题，更能有效整合不同用户的神经数据，是皮层内神经数据实现跨脑迁移的必要条件。
此外，研究还将跨脑迁移与两种对照情况对比，发现其效用存在用户个体差异：在部分用户的语音或手写解码中，跨脑迁移的效果与模拟相同神经潜在结构的电极置换数据相当；但在另一些用户的语音解码中，电极置换数据的增益更显著，这表明不同用户的神经活动潜在结构存在本质差异，这也是跨脑迁移性能提升的重要限制因素。
语音跨脑迁移方法示意图。研究使用了来自两名用户的大型源数据库来训练基础解码器，随后使用来自一名新目标用户单天测试的数据对该解码器进行微调。©The Authors/bioRxiv
当前性能限制与未来转化方向
研究团队指出，本次跨脑迁移带来的性能提升幅度虽较为温和，但这一结果与此前不同模态、算法的迁移学习研究一致，而本研究的核心价值在于首次实现了通用词汇量下皮层内脑机接口的跨脑迁移，并明确了其适用场景和技术要求。
团队分析认为，跨脑迁移性能提升的关键限制因素，不仅是单用户的训练数据量，更重要的是参与预训练的用户数量。此前曾有研究通过6500余名用户的表面肌电数据实现了解码器的零样本泛化，而皮层内脑机接口研究受限于参与者数量，且不同患者的电极植入区域、病症类型存在差异，神经信号特征更复杂，导致小样本下的跨脑迁移难以实现大幅性能提升。
同时，不同用户的神经编码和动态特性差异，也可能限制线性对齐等现有数据整合方法的效用，未来需要建立更大规模的用户神经数据样本库，让新用户能匹配到神经潜在结构相近的已有用户，才能进一步提升跨脑迁移效果。
该研究的完成，为脑机接口的临床转化解决了关键障碍，证实了跨脑迁移是降低新用户训练成本的有效途径。研究团队表示，未来可通过收集更多用户的皮层内神经数据、探索元学习、低秩适配等更先进的迁移学习方法，或尝试变换器等更复杂的神经网络架构，进一步提升跨脑迁移的效果。尽管目前在小样本数据集下，本次研究使用的RNN架构仍具备性能优势，但更大规模的数据集有望让更复杂的模型发挥作用，推动跨脑迁移在脑机接口领域的实际应用。
关于BrainGate
BrainGate是美国学术界脑机接口项目的典型代表之一，但也有过商业化的经历。20世纪90年代末，美国神经工程基础研究进入“实验室到病床”的初步临床转化阶段。布朗大学教授John Donoghue等在神经科学与工程学实验室开展的基础性工作奠定了BrainGate的技术基础。2002年，布朗大学孵化出Cyberkinetics公司，负责收集监管许可和资金，推动第一代神经接口系统的试点临床试验，成功开发出BrainGate神经接口系统。2004年，Cyberkinetics获得美国食品药品监督管理局（FDA）两项研究器械豁免（IDE）中的第一项，在罗德岛州、马萨诸塞州和伊利诺伊州的医院开展试点临床试验，4名四肢瘫痪患者参与，试验成果为设备研发提供助力。
2007年，Cyberkinetics因商业压力和资本市场变化，将重点转向其他医疗设备，但BrainGate研究在联邦资金支持下继续。2008年，Cyberkinetics将设备制造业务剥离给Blackrock Microsystems，后者生产并进一步开发相关产品 。同年，在Cyberkinetics同意下，开发了全新的、完全基于学术的IDE应用程序，以继续BrainGate2神经接口系统的研究。2009年5月，FDA为BrainGate2试点临床试验提供新的IDE。2009年7月，BrainGate公司从Cyberkinetics收购了BrainGate技术的权利、资产和知识产权，致力于推进该技术发展。2020年9月，BrainGate公司及其专利技术被捐赠给塔夫茨大学，推动技术的进一步研究和实际应用。
自2009年7月启动BrainGate2临床试验（NCT00912041）以来，斯坦福大学、马萨诸塞州总医院、凯斯西储大学和普罗维登斯退伍军人医疗中心积极招募参与者，试验持续进行。2022年，埃默里大学和加州大学戴维斯分校也加入了该联盟。在2012年的一项里程碑式研究中，名叫Cathy Hutchinson的临床试验参与者使用BrainGate控制机械臂，抓起一个水瓶送到嘴边并喝了一口。
瘫痪女子用意念操控机器人 ©Nature Video
2021年4月，BrainGate在一项临床研究中利用连接到受试者大脑运动皮层的发射器，首次实现从人类大脑向计算机传输无线指令，参与研究的两名脊髓损伤患者的打字和运动的准确性及速度与有线解决方案相同。2024年，加州大学戴维斯分校团队为ALS重度构音障碍患者植入4个微电极阵列，结合神经网络与语言模型，实现约32词/分钟文本输出，手术植入后的8.4个月内保持了97.5%的准确率，可用于Zoom日常交流。
据2025年7月发布的预印本，研究团队对BrainGate和BrainGate2试点临床试验的20年神经数据进行了全面评估，该数据集涵盖了这些试验中首批14名参与者的2319次记录会话和20个阵列，结果显示阵列平均35.6%的电极能成功记录神经锋电位波形，研究期间仅出现7%的小幅下降，且在长达7.6年（平均2.8年）的植入期内，11/14的阵列始终能实现有意义的运动意图解码。另外，这项研究还发现人体实验中犹他阵列记录的寿命和可靠性优于之前的非人灵长类动物研究。
近日，布朗大学教授John Donoghue因其早期开创性的“BrainGate”脑机接口系统获得了2026年的伊丽莎白女王工程奖，而此次研究成果是BrainGate2项目（现在由布朗大学教授Leigh Hochberg领导）的又一次突破。“跨脑迁移”为降低脑机接口新用户的训练数据收集成本、为后续脑机接口技术升级和规模化应用奠定了基础，让脑机接口从 “个性化定制” 向 “通用化普及” 迈出了关键一步，为失去语言交流能力的患者带来了更实际的康复希望，同时也为神经科学与人工智能的交叉融合研究提供了新的范例。
论文信息
标题：Cross-brain transfer of high-performance intracortical speech and handwriting BCIs
发布日期：2026/1/14
平台：bioRxiv预印本平台，未经同行评审
