当脑机接口“能用”之后，临床价值如何被证明？Sawyer等人在《Journal of Neural Engineering》发表的文章，整理了2025年6月4日第11届BCI Society Meeting专题工作坊的讨论。工作坊由BCI Society与植入式脑机接口协作共同体（iBCI-CC）组织，参与者来自高校、医院、产业界及政府相关机构，文中也记录了Precision Neuroscience、Synchron、Blackrock Neurotech、Neuralink和Paradromics等公司的观点。论文在2026年以录用稿形式上线，与会议相隔约一年，主要是因为会后还要完成共识整理、多人写作和同行评审。它更像一份转折期的行业记录：当“能不能解码”不再是唯一问题，研究者必须说明，系统带来的变化为何具有临床意义。 从工程性能到临床获益在实验室中，任务边界通常是清楚的。研究者可以规定光标目标、采样时段、校准流程和技术支持条件，并据此比较速度与准确率。临床试验面对的却不是一个封闭任务，而是患者的日常生活。同样的输出速度，如果需要半小时准备、频繁校准或持续的工程师协助，其临床含义会完全不同。因此，工程指标与临床结局不是高低层级的替代关系，而是证据链上的不同环节。前者说明装置是否按预期工作，后者说明这种工作状态是否改变了患者的功能、感受或生存。没有工程性能，临床获益无从发生；只有工程性能，临床获益仍然没有被证明。这一点也解释了为什么脑机接口不能只与眼动仪比较一次任务的速度。比较对象是患者已经熟练使用的辅助技术，还是经过重新优化的最佳版本？脑机接口是否已经度过学习期？研究人员提供了多少帮助？这些条件如果没有预先规定，所谓“对照”就很容易混入训练经验和支持强度的差异。论文中讨论的按钮掉落场景看似琐碎，却说明真实使用中的介入边界会直接改变测量结果。 MAH—COI—COA工作坊采用的核心框架由三部分组成：有意义的健康方面（MAH）、测量概念（COI）和临床结局评估工具（COA）。MAH是患者真正重视的生活变化，例如独立交流或数字自主性；COI把这种变化拆成可测量的属性，例如准确性、效率、可靠性和费力程度；COA则是获得数据的具体方法，包括任务表现、患者报告、照护者观察和临床医生评价。以ALS患者的交流为例，“能够表达需求”可以是MAH，但它不能直接成为一个清晰的试验终点。研究者需要说明要测的是表达准确性、沟通效率，还是无需他人协助的独立使用；随后再选择错误率、完成时间、可理解度或患者报告量表。框架的价值不在于增加三个缩写，而在于迫使试验发起者公开每一步推理：患者在意什么、产品打算改变什么、数据又如何支持这个判断。图1 从目标人群的具体健康经历识别MAH，再拆分为可测量的COI。原图来源：Sawyer et al.（2026），引自美国FDA患者中心药物开发指南。我的理解是，MAH—COI—COA首先是一套论证纪律，而不是现成的终点清单。它能发现证据链在哪里断裂，却不能自动修复断裂。如果MAH只是研究者替患者设想的目标，框架仍可能披着“患者中心”的外衣；如果COI定义含混，多个量表的组合只会产生更多难以解释的数据；如果COA没有在目标人群和使用情境中完成验证，再成熟的量表也未必对脑机接口敏感。 真正的难点，是个体意义与统一终点之间的冲突植入式脑机接口的目标人群通常规模较小，而且异质性很强。上肢瘫痪者可能重视电脑控制、工作和数字生活，言语障碍者更在意表达速度、可理解度以及疲劳时能否继续交流。即使诊断相同，两个人对社交参与、照护依赖或工作能力的优先级也可能不同。临床意义越贴近个人，试验之间就越难比较；终点越统一，又越可能远离个人真正需要的改变。这是文章指出、但尚未解决的核心矛盾。仅仅增加一份患者问卷并不能解决问题，因为监管决策仍然需要预先规定的分析方法、可解释的效应大小和可重复的测量过程。更可行的方向可能不是在“统一”与“个体化”之间二选一，而是建立分层终点：保留少量跨受试者共同测量的核心指标，再根据具体用途增加沟通、数字活动或机械臂控制等模块，并把个体目标作为预先定义的补充终点。这样做不会消除统计困难，但至少能避免用一套量表覆盖所有产品和所有患者。文章提出“COA工具箱”的思路，真正落地时需要进一步规定哪些指标具有共同地位，哪些只能支持特定使用情境。患者中心也不应停留在试验设计前期的访谈。患者意见最终是否改变了终点选择、任务权重、最小有意义变化阈值和结果解释，才决定这种参与是否具有实质作用。否则，“患者优先”很容易成为合规语言，而不是证据方法。 家庭场景不是把实验室任务搬回家文章借鉴了帕金森病自适应脑深部刺激试验ADAPT-PD。该试验纳入85名参与者，覆盖10个中心，设置了30天连续刺激、60天随机评价以及10个月长期随访，并结合患者家庭日记、医生录入信息和设备数据。需要强调的是，ADAPT-PD不是脑机接口试验，文章引用它是为了说明长期、家庭化和多来源测量的设计价值。但“在家测量”本身并不等于获得了真实世界证据。工程师到场可能改善设备表现，也可能改变患者行为；依赖照护者填写日记会增加负担，并引入代理报告偏差；设备停机导致的数据缺失往往不是随机事件，恰恰可能代表系统最难使用的时候。家庭研究如果只报告成功完成任务的时段，反而可能比实验室结果更乐观。因此，脑机接口的家庭试验除了记录任务表现，还应记录设备可用时间、启动和校准耗时、外部协助次数、故障与恢复过程，以及患者放弃使用的原因。技术支持不应作为背景条件被隐藏，而应成为可量化的使用成本。对于长期植入系统，这些指标可能比某次测试中的峰值速度更能决定产品能否进入常规照护。 从工作坊共识到可用框架，还有多远作者计划把工作坊观点与iBCI-CC临床研究终点工作组、用户优先事项工作组的成果结合，建立公开的MAH—COI—COA资源，并通过超过200名利益相关者参与的共识过程继续迭代。这个方向有现实价值：不同团队至少可以使用相近的概念结构描述产品获益，减少每家公司从头发明终点的成本。图2 iBCI-CC拟议中的MAH—COI—COA框架建设路径。原图来源：Sawyer et al.（2026）。不过，这篇文章目前提供的是框架方向，不是经过验证的终点目录，更不是FDA的正式指南。文中列举的COPM、EQ-5D、WHOQOL-BREF、Neuro-QoL、PROMIS等工具大多来自康复、神经疾病或一般生活质量研究。它们是否能捕捉脑机接口特有的变化，还需要内容效度、可靠性、敏感性和最小有意义变化等证据。对正在开展早期可行性研究的团队而言，等待一套完美的公共框架并不现实。更重要的是从现在开始积累临床结局的测量证据：为什么选择这个终点，患者是否认可，家庭环境中能否稳定获得，缺失数据意味着什么，工程性能变化又如何对应功能变化。如果这些问题留到关键性试验才处理，届时很难靠增加样本量补救。这篇工作坊总结的意义，正在于把脑机接口领域的评价重心向前推进了一步。过去的核心问题是系统能否从神经信号中提取可用信息；接下来要回答的是，这些信息是否转化为可重复、可持续、对患者重要的功能改善。准确率仍然重要，但它只是临床证据的起点。
