Massachusetts General Hospital

2025年BCI学会会议与植入式BCI协作社区合作举办研讨会，讨论脑机接口关键试验中临床结局评估的选择、开发与验证。与会者强调患者异质性、缺乏广泛验证的COA，以及需要在家庭和日常环境中捕捉有意义结局等挑战。研讨会为iBCI-CC临床研究终点工作组建立透明流程奠定基础，旨在确定适合特定技术的健康意义方面和关注概念，并促进监管批准与医保覆盖。

侵入式言语脑机接口能把尝试说话时的皮层活动解码成文字，现有最优系统的词错误率已低至1%，但代价是要先采集数千句训练数据，从植入设备到能顺畅沟通，中间要经过漫长的采集期。加州大学戴维斯分校团队提出一个基于Transformer的解码模型，跨6名侵入式言语脑机接口受试者联合训练。对每一名受试者，无论性别、病因或尝试发声策略如何，多用户模型的解码都优于仅用其个人数据训练的模型，相对词错误率平均降低超过50%。更关键的是，该模型在此前未参与训练的用户上，只用不到200句话微调，就实现了低于7%的词错误率。该预印本2026年7月27日上传至bioRxiv，尚未经过同行评审。