基于6G和AI的智能卒中语言障碍辅助交流系统的研发、转化与示范应用

卫生和社会工作

本项目已形成较为完备的成果转化基础，具备从科研样机向临床示范与规模化应用推进的条件。技术层面，已完成“天坛卒中语言之星”系统的整体方案设计—样机研发—算法集成—临床验证—标准化应用的全链条建设：系统集成人工智能算法、6G、互联网通信与稳态视觉诱发电位（SSVEP）脑机接口，形成“智能评价—语言替代—自主康复”的一体化技术框架；在处理端实现时空均衡动态窗（STE-DW）等关键算法与CNN、TCN等深度学习识别模型，并完成云平台管理系统搭建，支持数据远程传输与云端分析；在硬件层面完成视觉刺激呈现、脑电采集与处理输出闭环联调，形成可稳定运行的系统样机。 验证层面，已在健康受试者与卒中语言障碍患者队列中完成系统安全性与有效性验证：健康队列（N=18）与患者队列（N=9，涵盖失语、构音障碍及闭锁综合征等亚型）均显示系统具备可用性与临床可行性。关键性能指标方面，健康受试者中位准确率可达97.83%，信息传输效率（ITR）中位值可达75.55 bits/min；在患者队列中，系统亦能支持有效表达，复杂表达任务准确率可达86%量级，并保持可接受的识别时长。可用性方面，NASA-TLX 工作负荷评价显示总体负荷可控，且未见明显不良反应，具备临床使用安全性基础。 转化与规范化方面，团队已完成相关知识产权布局（已申请/获授发明及实用新型专利），并形成与临床场景匹配的标准操作流程（SOP）、医疗质量监测与改进体系及关键绩效指标（KPI）框架，在首都医科大学附属北京天坛医院建立示范应用基础，具备进一步推广复制的条件。综合判断，该成果已处于“样机完成+临床真实场景验证+示范应用准备”阶段，可进入更大规模示范与注册转化推进。

1.工程化与产品化合作：需要具备医疗器械研发与工程转化能力的合作方，共同完成系统的小型化、便携化与可穿戴升级（如将台式屏幕形态迭代为更便携的显示终端），完善整机结构设计、可靠性与可维护性设计、量产可行性评估与生产工艺导入。 2、关键硬件与传感器协同：需要EEG采集硬件企业或团队协同优化脑电放大器与电极方案，探索干电极或半干电极等更友好形态，在保证SSVEP识别质量前提下提升佩戴舒适度与临床可用性，并支持临床环境下电磁干扰抑制与信号质量控制。 3、算法与软件平台共建：需要具备AI算法工程化与云平台部署经验的合作方，协同开展模型泛化、跨被试适配、在线更新与质控、隐私保护与数据安全合规（含医疗数据安全与权限管理）等工作，并形成可运营的远程服务模式与运维体系。 4、临床多中心与应用场景拓展：需要具备卒中-康复-神经外科等临床资源的医疗机构作为联合示范与多中心验证单位，提供试验场地、伦理与数据治理支持、临床评估团队、使用培训与随访管理体系，共同完善临床路径与质量管理标准，验证不同人群与场景下的有效性、依从性与卫生经济学价值。 5、资金与配套资源：转化阶段需要配套资金用于硬件迭代、软件平台上线与维护、多中心临床验证、注册与合规体系建设；同时需要提供测试环境、临床试用场地、必要的脑电采集与康复评估设备、工程与临床协同人员投入等。

可国（境）内外转让

1、社会效益：卒中后失语、构音障碍及闭锁综合征等人群存在“有意识但难以表达”的突出痛点。本系统以BCI为核心实现语言表达替代，并与智能评价与自主康复形成闭环，可在临床与居家场景提供连续支持，改善患者沟通能力与尊严感，降低照护者负担，提高康复效率与生活质量；通过标准化SOP、临床路径与质量管理体系建设，可提升卒中语言障碍诊疗的规范化与可及性，促进优质康复资源向基层与居家延伸。 2、经济效益与卫生经济学价值：系统具备远程服务与规模化部署潜力，可减少传统面对面训练对人力与场地的高度依赖；在患者长期照护成本较高的背景下，提升交流能力与康复效率有望减少并发问题与非计划性医疗使用，形成可量化的成本节约空间。随着样机产品化与多中心推广，预计可带动脑机接口、康复工程、可穿戴传感器、云平台服务等产业链协同发展，形成持续的技术迭代与应用生态。 3、转化推广效益：依托北京天坛医院示范应用基础，结合行业标准草案、质量管理标准与临床路径，形成可复制、可推广的落地模式，便于在卒中中心、康复医院及社区康复体系中推广应用，推动智能康复技术从科研走向临床常规服务，提升我国在神经工程与康复转化领域的影响力与竞争力。

北京市自然科学基金项目

北京市科学技术委员会;中关村科技园区管理委员会

本成果来源于北京市自然科学基金项目“基于6G和人工智能的智能卒中语言障碍辅助交流系统的研发、转化与示范应用”。针对卒中后失语和构音障碍患者语言交流能力受损、传统语言康复依赖人工训练且效率较低的问题，研发了一套融合人工智能、互联网通信技术与稳态视觉诱发电位（SSVEP）脑机接口技术的智能卒中语言障碍辅助交流系统（“天坛卒中语言之星系统”）。该系统通过采集患者脑电信号并进行实时识别，将脑电信号转化为计算机可识别的指令，从而实现语言表达替代与辅助交流功能，同时结合智能评估与自主康复训练模块，为卒中语言障碍患者提供一体化的智能诊疗支持方案。 在技术原理方面，本系统以SSVEP脑机接口为核心，通过视觉刺激诱发脑电响应信号，利用脑电采集设备获取枕叶区域脑电信号，并结合时空均衡动态窗（STE-DW）算法和深度学习识别模型对信号进行特征提取和分类识别，实现高精度、实时的人机交互。系统在算法层面融合卷积神经网络（CNN）、时间卷积网络（TCN）等人工智能方法，提高了脑电信号识别的稳定性与准确性；在系统架构上结合互联网及云平台管理系统，实现数据远程管理与分析，并支持多场景应用。 关键技术指标方面，系统已完成样机开发与实验验证。在健康受试者实验中，系统识别准确率中位值可达97%以上，信息传输率（ITR）中位值约为75.55 bits/min；在卒中语言障碍患者验证研究中，系统在复杂表达任务中的准确率可达约86%，整体识别时间与任务负荷处于可接受范围。实验结果表明，该系统具有较好的稳定性、安全性和临床可行性。项目团队同时建立了相应的标准操作流程（SOP）和质量控制体系，并完成初步临床示范应用。 本成果可广泛应用于卒中后失语、构音障碍以及闭锁综合征等患者的辅助交流与康复训练，同时也具有在神经康复、智能医疗和可穿戴脑机接口设备等领域进一步推广的潜力。通过将脑机接口技术与人工智能及互联网医疗服务模式相结合，该成果有望为卒中语言康复提供新的技术路径，缓解语言康复医疗资源不足的问题，并推动智能康复设备的临床转化与应用。