在BCI研究中,包括语音BCI这一新兴领域,开发和采用允许跨研究进行有意义比较的稳健度量是一个挑战。例如,重构原始语音的误差等指标可能与BCI的功能性能没有什么对应关系;也就是说,听者能否理解合成的语音。为了解决这个问题,Anumanchipalli等人从语音工程领域为人类听众开发了易于复制的语音可理解性度量。研究人员在众包市场亚马逊土耳其机器人(Amazon Mechanical Turk)上招募了一些用户,让他们从合成语音中识别单词或句子。与重构误差或以前使用的自动可理解度测量不同,这种方法直接测量对人类听众的语音可理解度,而不需要与原始的口语进行比较。Anumanchipalli及其同事的研究结果为语音合成BCI概念提供了有力的证明,无论是在音频重建的准确性方面,还是在听者对产生的单词和句子进行分类的能力方面。然而,在临床上可行的语音BCI的道路上仍然存在许多挑战。重构语音的清晰度仍然远远低于自然语音。是否可以通过收集更大的数据集和继续开发底层计算方法来进一步改进BCI还有待观察。使用神经接口记录的大脑活动比使用皮质电图记录,可能会获得额外的改善。例如,在脑机接口研究的其他领域,皮质内微电极阵列通常比皮质电图记录具有更高的性能[3,7]。目前所有语音解码方法的另一个局限性是需要使用发声语音训练解码器。因此,基于这些方法的BCI不能直接应用于不会说话的人。但Anumanchipalli及其同事表明,尽管语音解码的准确性大大降低,但是当志愿者模仿语音而不发出声音时,语音合成仍然是可能的。那些不能再产生语音相关动作的人是否能够使用语音合成BCI是未来研究的一个问题。值得注意的是,在首次开展BCI控制健康手臂和手部运动的概念验证研究之后,关于这种BCI在瘫痪患者中的适用性也提出了类似的问题。随后的临床试验证明,使用这些BCI[8,9]可以实现人类的快速交流、机械臂控制以及恢复瘫痪肢体的感觉和运动。考虑到人类的言语产生无法直接在动物身上进行研究,因此在过去十年中,该研究领域的快速进展-从探索与言语相关的大脑区域组织的开创性临床研究[10]到概念验证的言语合成BCIs[6]-确实令人瞩目。这些成就证明了将神经外科医师,神经学家,工程师,神经科学家,临床工作人员,语言学家和计算机科学家相结合的多学科协作团队的力量。如果没有深度学习和人工神经网络的出现,最新的严谨结果也不可能出现的,深度学习和人工神经网络已在神经科学和神经工程学中广泛应用[11-13]。最后,这些概念验证证明,在不能说话的个体中语音合成,结合BCI在上肢瘫痪患者中的快速进展,认为应该强烈考虑涉及语言障碍患者的临床研究。随着不断的进步,我们希望语言障碍患者能够重新获得自由表达自己想法的能力,并与周围的世界重新建立联系。参考文献1.Anumanchipalli, G. K., Chartier, J. &Chang, E. F. Nature 568, 493–498 (2019).2.Wolpaw, J. R., Birbaumer, N., McFarland,D. J., Pfurtscheller, G. & Vaughan, T. M. Clin. Neurophysiol. 113, 767–791(2002).3.Pandarinath, C. et al. eLife 6, e18554(2017).4.Chartier, J., Anumanchipalli, G. K.,Johnson, K. & Chang, E. F. Neuron 98, 1042–1054 (2018).5.Akbari, H., Khalighinejad, B., Herrero,J. L., Mehta, A. D. & Mesgarani, N. Sci. Rep. 9, 874 (2019).6.Angrick, M. et al. J. Neural Eng.https://doi.org/10.1088/1741-2552/ab0c59 (2019).7.Gilja, V. et al. Nature Med. 21,1142–1145 (2015).8.Hochberg, L. R. et al. Nature 442,164–171 (2006).9.Collinger, J. L., Gaunt, R. A. &Schwartz, A. B. Curr. Opin. Biomed. Eng. 8, 84–92 (2018).10.Bouchard, K. E., Mesgarani, N., Johnson,K. & Chang, E. F. Nature 495, 327–332 (2013).11.Yamins, D. L. K. et al. Proc. Natl Acad.Sci. USA 111, 8619–8624 (2014).12.Mathis, A. et al. Nature Neurosci. 21,1281–1289 (2018).13.Pandarinath, C. et al. Nature Methods15, 805–815 (2018).