Nature Communications 新研究：前岛叶高伽马信号让脑机接口学会“自我纠错”

核心结论速览

• 研究问题：脑机接口出错时，能否利用大脑自身的“错误信号”让设备自动纠错？
• 研究对象：10名接受临床监测的药物难治性癫痫患者，颅内电极共1317个通道。
• 关键发现：错误发生后，高频活动（高伽马）最早出现在前岛叶，随后传播到前额叶和中央—顶叶区域。
• 应用验证：错误解码器与运动解码器并行运行，在最后两名参与者中实现了在线自动纠错（概念验证）。
• 主要局限：在线纠错样本仅2人，任务为实验室赛车游戏，尚不能外推到真实临床场景。

为什么脑机接口需要“知道自己错了”

对于脊髓损伤、肌萎缩侧索硬化（ALS）或闭锁综合征患者，脑机接口（Brain-Computer Interface，BCI）是重新与外界交互的途径之一。但解码并不完美：设备一旦把用户的神经信号误判为某个动作，用户就必须手动撤销，这会消耗时间，也会削弱用户对系统的信任。

人脑在发现“结果与预期不符”时，会产生一种特征性反应，称为错误相关电位（Error-related potential，ErrP）。它在20世纪90年代初由脑电图研究首次报道，典型表现为额—中央区的负波，随后是延迟出现的正波。瑞士洛桑联邦理工学院（EPFL）团队2014年发表的综述系统回顾了十余年来把ErrP用于脑机接口的进展，指出可以在单次试验层面解码ErrP，并以此修正机器的动作。

在侵入式记录方面，斯坦福大学 Even-Chen 等人2017年在恒河猴的初级运动皮层和运动前区记录到类似的“任务结果错误”信号，并实时实现了“检测并撤销”系统；其后续研究又在两名BrainGate2临床试验参与者的手部运动皮层中，离线验证了类似信号可被高精度解码。2025年的一项预印本还在人类言语运动皮层中报告了错误信号。本文要解读的研究则把视角从运动皮层转向了更深、更“认知”的脑区。

研究是怎么做的

研究团队分析了10名参与者（6名女性，年龄26至56岁）的数据。他们都因药物难治性癫痫接受立体定向脑电图（sEEG）监测，电极位置完全由临床需求决定。研究者重点分析了三个区域：前岛叶（73个电极）、前额叶（160个电极）以及中央—顶叶（242个电极）。

实验分三个阶段：

• 校准：参与者按提示交替休息和双手抓握，约3分钟，用于训练运动解码器。
• 神经反馈：约2分钟，让参与者观察解码器输出并适应系统。
• 赛车游戏：抓握动作触发赛车换道以躲避障碍，同一时段内记录错误相关神经活动。

运动解码器使用60至200赫兹的高频活动（HFA）和8至30赫兹的低频活动（LFA）作为特征，采用递归神经网络（RNN）。错误被定义为赛车驶入障碍车道的换道，作者指出这类错误多数源于解码器误判或非意图激活，参与者并未真正抓握，因而与其预期相悖。错误解码器则用线性判别分析（LDA）训练。

主要发现与关键数据

运动解码：三分钟校准即可控制游戏

所有参与者的校准解码准确率高于50%的随机水平，范围为59%至86%，其中8人超过75%。游戏中所有参与者的平均成功率均高于65%。作者指出，约85%的最高准确率可能受限于以视觉提示而非肌电（EMG）精确标注运动时刻。

错误响应：前岛叶最早启动

错误发生后，三个区域的高频活动均显著高于正确试验。具有显著错误响应的电极比例分别为：前岛叶52%（38/73）、中央—顶叶48%（117/242）、前额叶28%（45/160）。响应强烈的电极峰值潜伏期中位数为：前岛叶354毫秒、中央—顶叶472毫秒、前额叶492毫秒。前岛叶与另外两个区域的差异具有统计学意义，中央—顶叶与前额叶之间无显著差异。频谱上，错误响应表现为伽马与高伽马增强，峰值约在68赫兹。

岛叶是“异质枢纽”

研究共纳入129个岛叶记录位点（后部56个、前部73个）。与抓握运动相关的电极主要集中在后岛叶和岛叶中部；与错误相关的强响应电极则全部位于背侧前岛叶。也就是说，岛叶内部不同亚区分别承担动作与表现监测的功能，这也是论文题目中“岛叶运动与错误编码”的含义。

错误解码与在线纠错

群体层面，前岛叶和前额叶的错误解码准确率峰值分别约为91%和90%，前岛叶的准确率上升比前额叶早约100毫秒。中央—顶叶准确率峰值约93%，但作者提醒，该区域在错误发生之前就有运动相关活动，其信号可能混入补偿性运动，不宜直接作为纯粹的错误信号。

个体层面，10名参与者中9人的离线平衡准确率高于随机水平，范围为50%至89%。以示例参与者为例，初始分类器可检出约80%的错误，但把20%的正确试验误判为错误，实际使用中这样的误报率过高。研究者通过调整先验，把误报率限制在5%以内，仍保留了超过65%的错误检出率。在线测试中，一旦检测到错误，赛车自动返回原车道并闪烁绿灯1秒。该系统只在最后两名参与者中部署，游戏表现有所改善。

数据来源：论文预印本（bioRxiv，DOI 10.1101/2025.11.17.688824）。

编辑部解读：这项研究的价值与边界

价值一：把“认知信号”引入器件控制。此前的错误信号研究多集中于运动皮层，而运动皮层的信号容易与用户为纠正错误而产生的补偿动作混在一起。本研究选择岛叶和前额叶，这些区域更偏向认知控制，有助于把“出错判断”与“运动意图”分开，这是它区别于既往工作的地方。

价值二：为电极靶点选择提供参考。论文结果显示，前岛叶在错误编码上相对突出，而后岛叶与运动相关。这类亚区层面的定位信息，对未来设计兼顾运动解码和错误监测的植入方案有参考意义。

边界一：受试者并非目标患者。癫痫患者的sEEG电极是为诊断而植入的，并非为长期BCI使用而设计；脑功能也可能受癫痫影响。

边界二：任务相对简单。赛车游戏为二选一的离散换道，错误定义清晰；真实场景中错误的时机、大小和含义要复杂得多。作者也承认现有错误解码器只处理事件结束后的信号，无法连续跟踪错误幅度。

边界三：在线验证样本很小。仅两名参与者，且作者定位为概念验证，不宜过度解读为“已证明有效”。

伦理提示：论文讨论部分指出，能够读取错误意识、不确定性等内部状态的接口，会带来自主性、隐私和社会影响方面的问题，值得在技术发展的同时被认真对待。

数据来源说明

本文的具体数值（样本量、潜伏期、准确率等）主要取自该研究在 bioRxiv 公开的预印本全文，论文摘要及发表信息以 Nature Communications 页面为准。预印本与正式版本在标题和表述上存在差异（预印本题为 Insular error network enables self-correcting intracranial brain-computer interface），个别数据在同行评审后可能有调整，引用时请以期刊正式版本为准。

常见问题 FAQ

这项研究发表在哪里？谁做的？

研究题为 Insular motor and error encoding supports self-correcting intracranial brain-computer interface，于2026年11月7日在线发表于 Nature Communications（DOI：10.1038/s41467-026-78804-2），第一作者为 Paul Weger，末位作者为 Christian Herff。据预印本披露，电极植入手术在荷兰马斯特里赫特大学医学中心进行，患者监测在 Kempenhaeghe 癫痫中心完成。

什么是“自我纠错”脑机接口？

指脑机接口除了解码用户的运动意图，还并行解码“用户察觉到结果出错”时的大脑信号，一旦识别到错误就自动撤销或修正刚才的操作，从而减少用户手动纠正的负担。本研究中，错误解码器与运动解码器并行运行，检测到错误后赛车会自动回到原车道。

为什么研究者关注前岛叶？

前岛叶被认为是显著性网络的关键节点，与错误检测密切相关。预印本数据显示，错误发生后，前岛叶高频活动峰值潜伏期中位数约为354毫秒，早于中央—顶叶（约472毫秒）和前额叶（约492毫秒），提示它是错误处理网络中较早被激活的节点。同时，前岛叶信号不像运动皮层那样容易与补偿性运动混杂，更适合作为错误解码的信号源。

错误解码的准确率有多高？

据预印本，在群体层面，前岛叶和前额叶的错误解码准确率峰值分别约为91%和90%。在个体层面，10名参与者中有9名的离线平衡准确率高于随机水平，范围为50%至89%。为把误报率限制在5%以内，研究者调整了分类阈值，示例参与者仍能识别超过65%的错误。个体差异大，主要与电极覆盖位置有关。

实时纠错在多少人身上验证过？

在线纠错仅在最后两名参与者中实施，作者明确将其定位为概念验证，而非完整队列评估。因此现阶段不能据此推断其在更多人群或真实生活场景中的效果。

这项研究能直接用于瘫痪患者吗？

目前还不能。参与者是正在接受术前监测的药物难治性癫痫患者，电极为临床诊断需要而植入、使用时间有限，任务是实验室中的赛车游戏。研究目前是基础研究与技术验证，距离长期植入、日常使用的临床产品还有相当距离。

研究有哪些主要局限？

作者在预印本中列出四点：错误解码器只使用事件结束后的信号，无法连续跟踪不同大小的错误；电极对前扣带回覆盖不足；在线纠错只在两名参与者中测试；实验在受控实验室环境中进行。此外，中央—顶叶区域的信号与运动活动混杂，需谨慎解读。

错误相关电位是什么时候被发现的？

错误相关电位（ErrP）最早于20世纪90年代初在脑电图研究中被报道，典型表现为额—中央区负波之后出现延迟的正波。此后它被广泛研究并尝试用于改进人机交互与脑机接口。

参考文献与资料来源

1. Weger P, Gimple S, Ottenhoff MC, Verwoert M, Ostrowski L, Colon A, Wagner L, van Dijk JP, Temel Y, Kubben P, Herff C. Insular motor and error encoding supports self-correcting intracranial brain-computer interface. Nature Communications. 2026（2026年11月7日在线发表）. DOI: 10.1038/s41467-026-78804-2. 原文页面：nature.com
2. Weger P, et al. Insular error network enables self-correcting intracranial brain-computer interface（预印本）. bioRxiv. 2025. DOI: 10.1101/2025.11.17.688824
3. Chavarriaga R, Sobolewski A, Millán JdR. Errare machinale est: the use of error-related potentials in brain-machine interfaces. Frontiers in Neuroscience. 2014;8:208. DOI: 10.3389/fnins.2014.00208
4. Even-Chen N, Stavisky SD, Kao JC, Ryu SI, Shenoy KV. Augmenting intracortical brain-machine interface with neurally driven error detectors. Journal of Neural Engineering. 2017;14(6):066007. DOI: 10.1088/1741-2552/aa8dc1
5. Even-Chen N, Stavisky SD, Pandarinath C, Nuyujukian P, Blabe CH, Hochberg LR, Henderson JM, Shenoy KV. Feasibility of automatic error detect-and-undo system in human intracortical brain-computer interfaces. IEEE Transactions on Biomedical Engineering. 2018;65(8):1771-1784.
6. Error encoding in human speech motor cortex（预印本）. bioRxiv. 2025. DOI: 10.1101/2025.06.07.658426
7. Falkenstein M, Hohnsbein J, Hoormann J, Blanke L. Effects of crossmodal divided attention on late ERP components. II. Error processing in choice reaction tasks. Electroencephalography and Clinical Neurophysiology. 1991;78(6):447-455.
8. Gehring WJ, Goss B, Coles MGH, Meyer DE, Donchin E. A neural system for error detection and compensation. Psychological Science. 1993;4(6):385-390.
9. Nature Portfolio. Neuroscience 最新研究列表（用于核对论文在线发表日期）. nature.com/subjects/neuroscience

关于作者

李丽｜Timedoo 医学编辑部：聚焦医药、生物研究与临床前沿，擅长行业观察与分析，长期追踪期刊论文、临床试验进展、药械审批和产业动态。更多内容请访问 Timedoo 首页。

声明：本文为基于已发表论文的科学信息解读，不构成任何诊疗建议。涉及个人健康问题，请咨询具有资质的医疗专业人员。