2026 年 11 月 20 日

罗格斯大学(Rutgers University)的工程师团队近日开发出一款名为 ChatBCI-Assist 的非侵入性脑机接口系统。该系统利用人工智能技术,将大脑活动转化为文字和短语的速度提升至传统方法的近三倍,为严重运动和言语障碍患者提供了更高效的沟通途径。
基于意图的沟通与 AI 加速
这项研究由罗格斯工程学院电气和计算机工程系教授拉勒·纳贾菲扎德领导,博士后 Weinan Wang 担任第一作者,研究生 Pradyumna Rao 参与合作。研究成果已发表于《IEEE 生物医学工程交易》(IEEE Transactions on Biomedical Engineering)。
传统的非侵入性脑机接口通常采用基于字典的预测方法,用户需逐个选择字母来拼写单词。而 ChatBCI-Assist 引入了大型语言模型(LLM),支持“基于意图”的沟通模式。这意味着用户无需精确重现每一个字,只需从 AI 生成的短语建议中选择符合其预期含义的选项即可传达信息。
据研究人员介绍,该系统的核心优势在于速度。在复制句子的实验中,ChatBCI-Assist 的通信速度几乎是传统字典预测系统的两倍;而在允许语义近似表达的测试中,其性能更是达到了基线通信速度的近三倍。
P300 信号检测与本地化部署
脑机接口(BCI)旨在建立大脑与外部设备之间的直接通信通道。非侵入式 BCI 无需手术,而是通过佩戴装有传感器的帽子,经由头皮测量电活动来实现。
ChatBCI-Assist 的工作机制如下:屏幕上显示一个键盘以及由 AI 建议的单词和短语,行和列会快速闪烁。当包含用户目标选择的行或列闪烁时,大脑会产生一种被称为 P300 的电反应。这一信号通常在个体注意到特定刺激后约 300 毫秒出现。计算机通过将信号时间与闪烁的行、列进行匹配,从而确定用户打算选择的字母、单词或短语。
为了提升隐私性和可用性,该系统中的语言模型完全在本地计算机上运行,而非依赖 ChatGPT 等云端服务。这不仅确保了用户的健康数据、身体需求及私人生活信息不会通过互联网传输,还使得系统能够在缺乏可靠网络连接的环境下正常工作。
面向 ALS 患者的临床试验计划
目前,该系统仅在健康参与者身上进行了评估。研究团队正计划开展针对肌萎缩侧索硬化症(ALS)患者的临床试验。纳贾菲扎德将与罗格斯罗伯特·伍德·约翰逊医学院神经病学系 ALS 多学科诊所医疗主任 Shan Chen 医生合作,共同推进这一进程。
对于晚期 ALS 患者而言,虽然认知能力通常保持完好,但控制说话和打字所需的肌肉功能会逐渐丧失。传统的眼动追踪设备在患者失去可靠的眼睛控制能力后往往难以使用。AI 技术的进步为这类患者带来了新的希望。
Shan Chen 表示:“人工智能技术在健康科学领域的快速进步令人兴奋,这给 ALS 患者带来了新的可能性。”研究团队将在与患者共同测试的过程中,进一步确定如何使系统更加实用和舒适。
减轻负担与自然表达
实验数据显示,参与者普遍认为 AI 辅助系统减轻了他们的认知负荷,且基于意图的模式比基于字典的传统方式更易用。例如,当用户试图表达“我想要水”时,AI 可能会提供“给我水”作为建议。尽管措辞不同,但意义相似,用户仅需一次选择即可传达意图,从而以更少的努力实现更快的沟通。
纳贾菲扎德强调:“我们正在倡导改变视角。现在我们可以利用辅助系统来预测用户打算表达的内容,并帮助他们更有效地进行沟通。”他指出,速度和技术性能只是目标的一部分,该技术必须适应患者的日常生活,而不增加压力或不适感。
通过让用户直接表达想法、需求和意图,ChatBCI-Assist 使机器介导的沟通更接近人类自然的交流方式。
参考文献:
Wang, W., et al. "ChatBCI-Assist: An Intent-Based P300 Speller with Locally Deployed LLM and Adaptive Stopping Strategy for Online Spelling Performance," IEEE Transactions on Biomedical Engineering (2026). DOI: 10.1109/tbme.2026.3693965





