ALS patient uses brain implant to speak with 99% accuracy

•該研究的參與者是47歲的Casey Harrell，他因肌萎縮性脊髓側索硬化症(ALS)導致四肢嚴重無力(四肢癱瘓)和嚴重構音障礙，使得言語難以理解。
•此腦機介面系統能將神經活動轉譯成英語音素，再將這些音素映射到單字和句子，並以Harrell患ALS前的合成語音讀出解碼後的文字。
•這項發表於《自然醫學》(Nature Medicine)的研究，代表了腦機介面作為實用日常溝通工具，在實驗室外最長時間的持續演示。
•該腦機介面系統具備游標控制功能，讓患者能夠完全獨立操作個人電腦，進行收發電子郵件、瀏覽網路和視訊通話等活動。
•在首次語音數據訓練中，該系統僅用30分鐘就實現了50個單字詞彙量下99.6%的單字準確率；在擴展至125,000個單字詞彙量後，經過額外1.4小時的訓練數據，準確率仍達90.2%。

📊 競品分析▸ Show

公司/研究機構	植入方式	溝通速度 (WPM)	準確率	其他功能/備註
UC Davis (本研究)	侵入式微電極陣列 (植入左前中央迴)	56	99% (單字)	居家獨立使用，可控制游標，合成患者患前語音。
Blackrock Neurotech	侵入式 (Utah Array)	62	未明確說明	文字轉語音腦植入物，可控制機械臂。
Synchron	血管內支架 (Stentrode，經頸靜脈植入)	2.7-4.02 (游標控制)	未明確說明	無需開顱手術，可控制智慧家居設備。
Neuralink	侵入式 (N1 Implant)	>10 BPS (游標控制)	未明確說明	旨在恢復數位自主性及語音，已有多名ALS患者參與試驗。
Stanford University (想像書寫)	侵入式微電極陣列	18	>99%	透過想像書寫字母實現。
Duke University	侵入式 (256個微型腦部感測器)	目標150	未明確說明	旨在將腦訊號轉譯為語音。
Paradromics	侵入式 (Connect One)	未明確說明	未明確說明	高頻寬語音腦機介面，旨在恢復快速、富有表現力的溝通。

植入位置： 四個微電極陣列植入患者左側前中央迴（left precentral gyrus），這是大腦中協調言語的區域。
電極數量： 記錄來自256個皮層電極的活動。
解碼演算法： 採用由UC Davis博士後研究員Nicholas Card開發的「BRAND」軟體平台內建的機器學習演算法，將神經活動轉譯為英語音素，然後將這些音素映射到單字和句子。
語音合成： 系統利用患者患ALS前的語音樣本，合成其語音版本來讀出解碼後的文字。
雙重功能： 系統配備了先進的解碼演算法，可將神經訊號轉譯為文字（語音腦機介面）並實現游標控制（運動腦機介面），從而實現與個人電腦的全面互動。

腦機介面技術將從實驗室走向日常應用，大幅提升ALS患者的生活品質。

本研究證明了腦機介面系統可在無研究人員協助下，於居家環境中長期獨立運作，為患者提供實用的溝通工具，預示著其廣泛的臨床應用潛力。

多模態腦機介面系統將成為主流，整合語音與運動控制功能。

UC Davis的系統已展現語音解碼與游標控制的雙重能力，未來腦機介面將朝向更全面的數位互動與環境控制發展，以滿足患者多樣化的需求。

人工智慧與機器學習的進步將持續加速腦機介面的溝通速度與準確性，甚至實現「內在語音」解碼。

研究中機器學習演算法的應用是實現高準確率的關鍵，且已有研究探索從腦部活動中直接解碼「內在語音」的可能性，而非僅限於嘗試發聲，這將極大提升溝通的自然度和效率。

1924

漢斯·伯格 (Hans Berger) 發明腦電圖 (EEG)，首次記錄人腦電活動。

1973

雅克·維達爾 (Jacques Vidal) 提出「腦機介面」(BCI) 一詞。

1990s

首次嘗試將腦機介面應用於人類。

2023

ALS患者Casey Harrell植入UC Davis的腦機介面裝置。

2024-08

UC Davis 團隊發表關於 Casey Harrell 案例的初步研究結果，報告高達 97% 的準確率。

2026-06

UC Davis 團隊發布最新研究，強調患者Casey Harrell在居家環境中獨立使用腦機介面超過3,800小時，達到99%準確率和每分鐘56個單字的溝通速度。

ALS 患者使用腦機介面實現 99% 準確率語音溝通