AI播客，快速了解：
近日，由中国科学院上海微系统与信息技术研究所、复旦大学华山医院、脑虎科技（Neuroxess）公司等机构组成的联合研究团队，在国际期刊《Advanced Science》发表重磅研究成果：他们成功开发出一种慢性稳定、高分辨率的柔性微皮层脑电图（μECoG）脑机接口（BCI）系统。该系统无需侵入脑组织，却能实现媲美侵入式脑机接口的运动解码性能，且经200余天实验验证长期稳定，为脑卒中、脊髓损伤等运动障碍患者重建自主运动功能提供了全新的临床转化方案。
基于μECoG脑机接口的实时运动解码与运动想象解码的示意图及工作流程 @Advanced Science
柔性μECoG：高密度+低侵入，兼顾性能与安全
脑机接口是连接大脑与外部设备的“桥梁”，通过解码脑电信号帮助残障患者控制辅助设备，重建沟通与运动能力。但现有技术始终面临“两难困境”：非侵入式脑电图（EEG）信号弱、分辨率低，仅能完成简单指令；侵入式皮层内脑电图（iEEG）虽性能优异，却需穿透脑组织，易引发炎症和损伤，临床应用受限。另外，传统皮层脑电图（ECoG）虽平衡了侵入性与信号质量，但电极密度低、可扩展性差，且需要较大开颅手术，增加了患者风险。
针对这一痛点，研究团队采用微纳制造技术，打造出核心器件——柔性μECoG电极阵列。该阵列以超薄聚酰亚胺为基底，电极密度达64个/平方厘米，较传统临床ECoG阵列提升64倍；单个电极直径仅850微米，间距1250微米，能精准捕捉大脑皮层的细微电活动。同时，团队通过钛合金密封封装设计，使设备具备防水、抗磨损性能，为长期植入奠定基础。
用于微皮层脑电图脑机接口的集成植入体，插图展示了微皮层脑电图电极阵列几何结构的放大图 @Advanced Science
203天动物实验验证：稳定可靠，无明显脑组织损伤
为验证系统的长期稳定性与生物安全性，研究团队在一只18月龄的拉布拉多犬身上开展了长达203天的体内实验。结果显示，该μECoG系统表现出优异的“耐用性”：203天内，有效电极良率仅下降5.49%，脑电信号信噪比（SNR）始终稳定在20dB以上，频率特性保持一致。
更关键的是，实验结束后的脑组织分析证实了其“安全性”——植入区域与对照区域相比，神经元数量无减少，星形胶质细胞、小胶质细胞等炎症标志物无显著增殖，未出现明显脑组织损伤或免疫排斥反应。这意味着该系统具备长期植入的生物相容性，为临床长期应用扫清了关键障碍。
在运动解码性能上，该系统同样表现出色：对犬类三维运动的位置、速度解码准确率分别达到0.83-0.90和0.78-0.86，能精准追踪关节运动轨迹。
多关节运动解码与运动编码的精细空间结构 @Advanced Science
临床实验获重大进展：患者7分钟训练即可控制电子游戏
动物实验的成功为临床转化奠定了坚实基础。研究团队随后开展了两项关键临床实验，初步验证了该系统的临床可行性。
在清醒开颅手术中，一名患者仅经过7分钟的模型训练，就成功通过该脑机接口控制乒乓球和贪吃蛇游戏：乒乓球游戏中，一维运动解码准确率达90%；贪吃蛇游戏的二维运动解码准确率也达到73%（X方向）-79%（Y方向），实现了对游戏方向和速度的精准调控。
另一项为期12天的短期临床实验则进一步展现了其应用潜力。一名参与者累计接受19.87小时训练后，不仅能通过“运动想象”全自主控制光标，在简单任务中实现1.13比特/秒的指令传输速率；在更复杂的网格选择任务中，经界面优化后速率更是提升至4.15比特/秒——这一性能已接近侵入式脑机接口水平，却无需承担脑组织损伤风险。
值得关注的是，该参与者还成功通过该系统控制视频游戏、智能轮椅及智能家居设备，初步实现了“用意念掌控生活”的目标。
用于实时运动和运动想象解码的μECoG脑机接口（BCI）的临床术中控制和短期稳定控制 @Advanced Science
破解核心科学问题：电极密度与性能的“最优解”
研究中，团队还首次系统揭示了“电极密度与运动解码性能”的量化关系：在2厘米×2厘米的固定脑区范围内，电极密度提升能显著改善解码准确率，但当密度达到64通道/平方厘米时，性能达到最优；继续增加密度，增益会逐渐减弱。这一发现为脑机接口的硬件设计提供了明确指导——无需盲目追求超高密度，也无需扩大开颅范围，即可实现最优性能，最大限度降低手术创伤。
研究人员指出，传统脑机接口常陷入“扩大覆盖范围提升性能”的误区，而这项研究证明，精准捕捉微小任务相关脑区的电活动，才是提升解码效率的关键。
综上，该研究成果不仅突破了柔性脑机接口的长期稳定性与临床可行性瓶颈，更为神经康复领域提供了全新技术路径。对于因脑卒中、脊髓损伤或渐冻症失去运动、沟通能力的患者，这项技术有望帮助他们重新控制假肢、轮椅甚至电脑，恢复基本生活自理能力。随着技术的成熟，脑机接口将从实验室走向临床，真正成为改善残障患者生活质量的“生命桥梁”。
*本文基于9月6日发表于《Advanced Science》的研究《Chronically Stable, High-Resolution Micro-Electrocorticographic Brain-Computer Interfaces for Real-Time Motor Decoding》，通讯作者为吴泽翰、陶虎、周志涛。图片来自论文，播客由AI生成，如有侵权请告知删除。
DOI：https://doi.org/10.1002/advs.202506663
