炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！
來源：第一財經資訊
當前，隨着腦機接口領域技術不斷取得突破性進展，相關診療設施、服務能級提升等正在成為業內人士的關注熱點。
在14日舉辦的首屆上海藍生腦科學與腦機接口國際論壇（下稱「論壇」）上，多位國內外腦科學專家圍繞腦機接口技術的具體應用展開探討；他們認為，腦機接口技術已在疾病診療、腦功能調控、神經促醒等方面惠及患者，其中如何與AI等數字化工具深度融合、從更多維度解析神經信息，是下一步的關鍵方向。
從研究到應用
中國科學院院士、同濟大學原校長裴鋼在論壇上稱，目前來看，腦機接口有望重塑神經疾病的診療範式，但這迫切需要加強基礎研究與臨床轉化的深度融合，「應打通從研究到應用的創新鏈條，並且進一步打通醫院與社會、醫生與患者之間的接口，緊貼臨床實踐去解決患者急需。」
另一個重要問題是，如何將腦機接口技術真正轉變成為標準化、可實施的臨床方案？
第一財經了解到，2026年1月，一份由中華醫學會神經外科學分會組織神經醫學臨床專家撰寫的《植入式腦機接口臨床應用路徑管理中國專家共識》正式對外發布。該共識明確了植入式腦機接口（iBCI）在臨床上的應用路徑、完整流程，並設計了不良事件處置方案和退出機制等。
「iBCI技術在臨床的應用需要設計一套規範化管理方法，來管理包括‘臨床應用的適應證分型’‘受試者納入與排除標準’‘全周期下的臨床應用路徑’等諸多事項。」該共識起草團隊之一、國家神經系統疾病醫療中心腦機接口轉化研究中心執行副主任楊藝在會上介紹稱。
楊藝表示，iBCI的臨床應用需要針對脊髓損傷、腦卒中、ALS（肌萎縮側索硬化症）等患者制定具體術前評估、手術植入、術後訓練及長期隨訪方案；同時，個體化電極的選擇、多模態影像定位、閉環康復訓練等也至關重要，「腦機接口技術從研究到應用背後，應該為神經功能障礙患者的功能重建，來提供更規範的醫療保障。」
復旦大學附屬華山醫院神經內科主任醫師朱國行表示，現階段，腦機接口技術在臨床應用上的主要價值是「醫療康復」，尤其是幫助高位截癱患者通過控制機械臂、外骨骼等來實現自主進食、移動等，其背後的核心功能則是腦電信號的採集與分析。
朱國行進一步稱，目前主流的EEG（Electroencephalogram，腦電圖）電極控制下的腦機接口設備仍然存在一些不足，如低信噪比與僞影干擾、複雜意圖解碼困難、業內缺乏通用腦電信號解碼大模型等。
朱國行表示，未來，經納米材料修飾過的電極、柔性且可拉伸的電極等，或將成為腦機接口設備研發領域的新方向。除了臨床應用外，非植入式腦機接口設備還可以通過分析EEG信號的變化，為認知科學、睡眠促進等場景提供設備支持。
神經促醒正在成為臨床應用的又一大重點方向。同濟大學附屬腦科醫院神經外科副主任盧雲鶴也以一項臨床試驗為例稱，針對46名持續性意識障礙患者，採取系統性、階梯式的療法策略（即腦脊液管理-脊髓電刺激調節神經迴路-閉環功能補償）後，在最終12個月的隨訪中，患者意識改善率達到67.4%，「這有望為意識障礙持續較長時間的患者，提供一條全新的精準意識恢復臨床路徑。」
AI技術如何賦能
AI與腦機接口的結合正在展現出巨大的應用潛力。
在華東理工大學數學學院副院長金晶看來，現階段，腦機接口在交互應用的過程中存在功能單一（不同交互對象要設定不同系統）、範式受限（依賴於預先設定的指令和佈局）、智能化低（無法完成更復雜任務）等問題。
金晶稱，因此需要在腦機接口設備（BCI）運行中植入AI大語言模型，建立面向目標場景的腦機交互模塊，使BCI更具靈活性，更貼近實用價值；同時，深度集成混合現實，構建虛實結合無外設控制框架，為可移動的BCI提供穩定的實施基礎。
阿里巴巴千問健康運營負責人趙存忠認為，一方面，AI技術的參與，可以提升腦機接口設備或產品在神經信號智能解碼、干預方案等方面的動態優化能力；另一方面，腦機接口則為AI提供神經層面的精準數據與干預通路，讓健康管理從「體表生理指標管理」延伸至「中樞神經層面的精準調控」，實現了健康管理的深度升級。
趙存忠舉例道，比如在神經康復領域，AI技術賦能下的腦機接口設備可以將解碼的運動意圖傳遞給外骨骼等輔助設備，該設備就可以帶動肢體完成功能運動，實現上肢等肢體的運動功能恢復，同時記錄訓練數據、評估康復效果，形成「訓練-評估-調整」的康復閉環。
「再比如，在神經疾病管理領域，AI技術則可以針對帕金森等神經退行性疾病，通過閉環腦機接口動態感知病理神經信號，並且自動調節深部腦刺激（DBS）參數，實現震顫、運動遲緩等症狀的精準抑制，提升干預效果。」趙存忠說。
美國芝加哥大學醫學中心綜合卒中中心聯合主任Fernando Goldenberg則提出用AI方法來驅動腦科學領域的臨床決策，包括心臟驟停後缺氧缺血性腦損傷（HIBI）預測、自發性腦出血（ICH）相關預測，並得出患者血壓管理關鍵結論以及穿透性腦損傷（PBI）評分等，「上述影像類預測模型的核心價值，在於可以將影像轉化為時間序列數據，而非單一報告，這可以幫助醫生更早識別腦疾病患者病情惡化的情況，讓治療與病情軌跡更匹配。」
責任編輯：郭栩彤