腦機介面唔止 EEG：非侵入式系統點樣走向閉環復康

腦機介面（BCI）已經唔再只係戴住 EEG 頭箍，用意念揀游標咁簡單。新一代系統正朝住 更豐富的感測、更多模態的解碼，同埋閉環回饋 發展：系統先讀取訊號，再轉化成動作或治療；量度結果後，再調整下一步。

呢個方向對復康尤其重要。復康用嘅 BCI 唔需要解碼每一個念頭；關鍵係能否可靠地支援一項可量度、有臨床意義嘅訓練。

核心取捨：訊號質素對手術負擔

與其將 BCI 分成互不相干的類別，不如當佢係一條連續光譜。

類型	訊號喺邊度量度	精確度與訊號質素	是否要手術	重用與便攜性
非侵入式	頭骨外，最常見是 EEG；亦包括 fNIRS、MEG、MRI 和新興超聲方法	最少直接接觸神經活動；EEG 時間反應快，但受頭骨與組織影響而空間上較模糊	不需要	EEG 可重用、可穿戴；MRI、MEG 則屬設施型設備
半侵入式	通常放喺腦表面或附近，但不刺入腦組織	一般較頭皮量度強，空間特異度更高，亦能覆蓋較大皮層範圍	要做顱骨手術	植入系統屬個人專用；外置部分可有一定流動性
侵入式	腦組織內	最有潛力做到高特異度的精細動作或語音解碼	要進行穿透性神經外科手術，並須長期管理植入物	屬個人專用，便攜程度視乎植入及外置硬件而定

EEG 依然係最實用的非侵入式主力，因為相對低成本、反應快，而且可做成穿戴裝置。不過，它的限制亦很根本：頭骨和組織會令訊號擴散；電極接觸狀態會變；身體活動會帶來雜訊；不同人、甚至同一個人不同日子的訊號都可能有差異。

所以，解法唔係單純加多幾粒電極。新系統愈來愈多將神經訊號，配合眼球追蹤、肌電圖（EMG）、行為情境或其他影像訊號一齊分析。目的係減少模糊位，並令解碼模型可以因應個人的生理狀態和訊號漂移作調整。

功能超聲有潛力，但未係消費級頭戴裝置

功能超聲（fUS）量度的是與神經活動相關的腦血流改變，提供了有別於頭皮電訊號的讀腦方法，並可高解像量度腦血容量變化。一項閉環研究中，研究人員從兩隻恒河猴的後頂葉皮層串流 fUS 數據，解碼牠們的眼部及手部動作計劃。 21

但呢個唔代表 fUS 目前已可直接取代 EEG。fUS 是間接的血流動力學訊號，時間解析度相對慢，大約為 2 至 10 Hz；而現有 BCI 研究要取得高質素數據，通常需有顱骨窗口及／或具聲學穿透性的顱骨植入物。 17

換句話講，最矚目的 fUS BCI 證據，多數更接近微創或硬膜外研究配置，而唔係隔住完整頭骨就可日常佩戴的裝置。它仍有重要位置：在需要空間細節與大範圍腦區覆蓋時，fUS 或可補足電生理方法；至於可攜、可反覆使用方面，EEG 暫時仍較可行。

閉環回饋：由「解碼器」變成治療系統

閉環 BCI 並唔止分類使用者意圖。它會將偵測到的腦狀態接駁到某種輸出，例如虛擬肢體、機械裝置、感覺回饋或刺激治療，然後利用使用者的反應，改善訓練或調整療法。

回饋可以實質影響表現。一項涉及 15 名健康參與者的研究發現，持續回饋訓練令平均 BCI 控制準確率由 55% 升至 70%。 23 呢個結果值得鼓舞，但唔應該當成已證明在病人身上有長期臨床效益。要成為臨床產品，系統仍須對比合適的標準照護，證明可以改善功能、復原或生活質素。

幾個近期里程碑：不同方向的 BCI 進展

MRI 型 BCI：臨床與研究基建

天津大學與聯影醫療發布 uMR ShenGuan，開發方形容它為全流程 MRI 腦機介面平台，涵蓋訊號採集、解碼、神經調控及療效評估。 1 它的重點在於「讀取—寫入—驗證」閉環：把影像與解碼，連同 MRI 引導的調控及效果評估，整合在同一個臨床研究環境。

不過，MRI 昂貴、不能移動，而且操作要求高，與可攜式人機介面是兩回事。短期而言，它較可能用於神經科學研究、個人化評估及臨床神經調控，而非日常免手操作電腦。

武漢一宗已報道的半侵入式視網膜介面個案

2026 年 8 月的傳媒報道指出，武漢大學人民醫院為一名視網膜色素變性患者，把刺激晶片放入鞏膜（即眼白）外側的小囊袋，過程不穿透眼球。報道稱，患者其後可辨認數字、文字與物件，並利用智能眼鏡導航；有關工作被形容為高解像半侵入式視網膜 BCI 應用。 53

這仍是一宗早期、經報道的臨床個案，並非已獲獨立重複驗證、可廣泛恢復視力的長期證據。其安全性、耐用程度、實際視覺功能，以及能否應用於更廣泛患者群，仍要靠同行評審的後續研究和更大規模臨床試驗確認。

獲監管批准的植入式運動功能補償

非侵入式與植入式 BCI 的分野，在商業化上同樣關鍵。根據復旦大學資料，中國國家藥品監督管理局在 2026 年批准 Neuracle 的 NEO 植入式手部運動功能補償系統。 34 這說明了另一條臨床轉化路徑：對嚴重運動障礙人士來說，若預期功能收益足夠大，便有機會值得承受手術負擔。

點解醫療復康最有機會率先做大？

相比大眾消費型 BCI，復康具備幾項關鍵條件：

• 用戶與目標清晰： 中風、脊髓損傷及運動障礙，都有具體的功能訓練目標。
• 效果可以量度： 臨床人員可評估任務表現、依從性及功能變化，而唔係只睇離線分類準確率。
• 可在受監督流程使用： 診所可容納配戴、校準及治療師跟進；這些步驟對一般消費者產品未必可以接受。
• 回饋機制有實用價值： 可把運動想像配合 VR、機械人、手套、刺激或其他回饋，令重複訓練更投入、更有針對性。

商業門檻並唔係做到無限制「讀心」，又或者完美控制機械手；而係提供可重複驗證的價值：系統要足以改善訓練、參與度或功能結果，先有理由讓醫療機構採用、通過監管並納入付費模式。

睡眠、AR／VR 與「雙手忙住」的工作：有機會，但舉證更難

睡眠及腦狀態產品，日後可受惠於高頻率的家居使用，潛在方向包括睡眠分期、疲勞評估、行為指導及閉環感官干預。不過，消費級訊號要面對每晚狀態、不同用戶、藥物影響、共病及一般家居環境的變化。一個吸引的數據儀表板，不等於已帶來有臨床意義或可改變行為的成果。

人機介面較可能先在傳統輸入方式受限的利基場景出現：

• 癱瘓人士輔助： 在溝通、游標控制、環境控制及運動功能補償方面，當替代方案有限時，價值可以很高。
• 雙手忙住或安全敏感工作： 神經訊號更可能是語音、視線、實體控制及電腦視覺的補充，而唔係完全取代它們。
• AR／VR 與無障礙應用： 感知注意力的介面及神經回饋，短期內較「全民意念操控電腦」更實際。
• 具身 AI 與機械人： BCI 可提供較高層次的意圖或使用者狀態，視覺、語音及傳統控制則處理大部分即時操作。

決定商業化的，係執行與證據

最後勝出的，不會只係感測器最有噱頭的系統，而係能夠在現實世界穩定改善成果的系統。關鍵包括：

1. 工程可靠性： 舒適度、接觸穩定、抗動作干擾、校準時間短、低誤觸率，以及跨日表現穩定。
2. 臨床驗證： 要有對照研究證明持久的功能益處，而唔係只展示實驗室準確率。
3. 監管與工作流程配合： 醫療器械品質制度、網絡安全、臨床人員易用性及可行的支付渠道，都缺一不可。
4. 持續使用率： 用戶必須感受到清晰、持續的價值；一件示範時好用、但平日不會戴的裝置，難以規模化。
5. 數據管治： 神經數據可能同健康及身份特徵有關。知情同意、數據最小化、安全保障、模型更新控制及限制二次使用，都是建立信任的核心。

因此，首個大型 BCI 市場最可能仍是醫療復康。非侵入式 EEG 系統現時已可在這裏創造價值；fUS、MRI 整合平台及植入式裝置，則分別向不同技術前沿推進。長遠而言，真正的贏家不會只靠「訊號最先進」，而係能夠可靠改善真實生活結果。