脑机接口（BCIs）在帮助瘫痪患者恢复运动和言语功能方面取得了显著进展。然而，全球疾病负担最重的脑部疾病——包括抑郁症、焦虑症、创伤后应激障碍（PTSD）和强迫症（OCD）——本质上是认知障碍，涉及我们如何注意力、记忆、决策和情绪调节。随着研究人员寻求拓展BCI的临床潜力，一项最新综述指出，治疗这些认知障碍将需要与当前运动BCI应用截然不同的方法。

在《认知科学趋势》（Trends in Cognitive Sciences）杂志上发表的一篇展望性文章中，西奈山伊坎医学院人类神经生理学实验室主任Ignacio Saez博士，为开发下一代“认知脑机接口”描绘了详细的路线图。他强调，解码思想与解码运动存在根本性差异。

Saez博士解释道，运动功能通常由大脑皮层中一个相对紧凑、稳定且定位明确的区域（如运动皮层）所代表，其神经信号与具体的物理动作（如伸手或弯曲）直接相关。然而，认知过程，例如注意力、记忆和情绪，则分散在多个相互连接的大脑网络中，这些网络会随着时间动态重组。这意味着，在不同的情境下，相同的脑信号可能代表着完全不同的心理状态。因此，简单的运动解码算法对于认知BCI是无效的。识别这些根本性差异，是科学家和工程师从现有运动BCI中借鉴并调整工具以适应新认知应用的关键。

这项研究强调，要将BCI技术从运动麻痹领域扩展到抑郁症、焦虑症、PTSD和强迫症等精神疾病，需要从静态的运动皮层解码转向动态、多区域的脑网络追踪。核心在于将实时颅内解码与自适应神经调控相结合，构建能够检测新兴精神状态并以精准时序进行神经刺激响应的闭环系统。Saez博士指出，认知BCI将统一两个历史上相对独立的研究领域：专注于“读取”大脑信号的BCI研究，以及专注于“刺激”脑组织的临床神经调控。未来的认知BCI将需要将这两者融合为一个集成的闭环系统。

新一代认知BCI旨在实时检测正在出现的异常功能状态，例如抑郁情绪的低谷、焦虑情绪的飙升或强迫性循环。一旦检测到这些状态，系统将能够提供自适应的、微时序的电学或神经化学调控。与传统的深部脑刺激（DBS）通常提供连续、固定电脉冲不同，闭环认知BCI会持续实时监测大脑活动，利用机器学习算法识别患者何时进入有害的精神状态（如严重的焦虑循环或抑郁崩溃），并仅在必要时提供精确校准的刺激。

Saez博士指出，许多必要的“构建模块”已在临床和研究环境中存在。这包括多位点颅内记录电极、自适应神经刺激器以及用于实时神经化学传感（测量多巴胺和血清素等神经递质）的高分辨率快速扫描循环伏安法。目前主要的工程挑战在于将这些独立的硬件流整合到一个微型化、超低延迟的植入式系统中，并运行自适应的上下文算法。这将最终实现对严重脑部疾病更精准、个性化的治疗。

推动认知BCI发展的一个重要因素是其巨大的市场和临床扩展潜力。精神和认知障碍患者群体，如抑郁症、焦虑症、PTSD和其他常见的精神神经疾病，其规模远超严重瘫痪患者。这正吸引着学术机构、神经技术初创公司以及商业BCI公司对认知应用日益增长的兴趣，将其视为该领域的下一个前沿。

Saez博士强调，将这些实验室的进步转化为获批的疗法，不仅取决于科学进展，还需要学术研究人员、临床医生和产业界之间的紧密合作，共同开发临床级认知BCI所需的硬件、算法和监管途径。