“患者是否清醒？无需再靠人工时刻值守观察，机器能直接‘读懂’大脑信号。”近期，安徽大学计算机科学与技术学院吕钊教授负责的脑机接口团队研发的术后意识检测系统，正通过“听觉注意力检测”技术，为临床术后监护带来智能化革新。

该系统目前已在安徽医科大学第一附属医院、第二附属医院等多家医院开展临床验证，有效提升了术后病房工作效率，降低了麻醉术后并发症引发的医疗风险与经济损失。

医院应用场景。

(资料图片)

临床应用落地：从人工值守到智能预警

“通常情况下，在全麻术后6小时内，患者不能入睡，否则可能引发严重并发症，甚至危及生命。”安徽大学计算机科学与技术学院脑机接口研发团队指导老师范存航介绍，此前临床主要依赖护士或家属时刻看护，通过拍打、呼喊等方式防止患者沉睡，不仅耗费大量人力，还存在观察不及时的风险。

针对这一痛点，团队研发的系统给出了智能化解决方案。通过在患者左耳和右耳播放不同音频刺激，并引导患者关注特定耳朵的声音，系统可捕捉相关脑电信号，解码患者的听觉注意力程度，进而判断其清醒状态。一旦检测到患者注意力下降、有入睡倾向，系统会立即发出警报，提醒医护人员或家属及时干预。

目前，该系统已与安徽医科大学多家附属医院建立深度合作，持续开展临床应用探索。

据悉，该团队原型系统在医院使用后，得到了医生的积极反馈。其稳定的检测效果为术后监护提供了可靠的智能化辅助判断依据。  

团队学生工作场景。

研发攻坚：破解三大核心技术难题

看似简单的“读懂大脑信号”，背后是团队三年多的技术攻关。范存航坦言，研发过程中，团队主要攻克了三大关键难题。

首先便是“意识状态表征难”。语音是典型的非平稳信号，而脑电信号本身极其微弱，需通过专用放大器放大并过滤干扰。在非平稳语音诱发的复杂环境下，导致脑电信号变化情况复杂、信噪比低，从微弱脑电信号中提取有效信息并对意识状态进行表征，成为研发初期的首要障碍。

其次是“实时精准检测难”。术后监护对检测时效性要求极高，若患者已昏迷10分钟才发出警报，将失去最佳干预时机。团队需将解码延迟从传统的分钟级压缩至毫秒级，确保在患者刚出现入睡倾向时就能实时捕捉，为临床干预争取时间。

再者是“解码方法泛化难”。不同人的脑电信号差异显著，且正常人与全麻术后患者的脑电信号特征存在本质区别。团队在学校采集的大量健康学生脑电数据，与术后患者样本不匹配，而术后患者的样本获取又受医疗场景限制，数量有限。如何通过小样本学习，实现从健康人群到术后患者的跨域适配，成为技术落地的关键瓶颈。

“这些难题都是我们与医院医生持续对接中发现的，通过一次次实验优化，最终逐一突破。”范存航表示，在攻坚的过程中，由吕钊教授牵头统筹，核心成员带着学生扎根实验室与临床一线，历经三年打磨才形成成熟的技术方案。  

未来拓展：从医疗场景到多领域赋能

术后意识检测只是技术应用的起点。随着技术与设备的不断成熟，该系统的应用场景正逐步拓展至更多领域。

在助听领域，技术可赋能听力障碍群体。“多人交谈或嘈杂环境中，听力障碍者难以捕获目标声音，”范存航解释，将该技术集成到助听器或人工耳蜗中，可根据用户的听觉注意力，精准保留目标声音，屏蔽噪声、无关对话等干扰声源，帮助他们更好地与人沟通交流；如此一来，无论是日常相处还是公共场合，通过精准的听觉注意力检测与声音筛选，他们都能更清晰地捕捉关键信息，有效减少沟通障碍。

目前，团队正推进成果转化工作，计划依托相关政策支持与合作企业，将原型系统升级为标准化产品，实现规模化推广。“下一步我们将重点推进产品化落地，让技术在更多领域发挥价值。”范存航分享，未来随着技术迭代，团队还将探索更多听觉注意力检测的创新应用场景，让脑机接口技术更好地服务更多人的生活。

合报学在合肥融媒体工作室

合肥在线-合新闻记者 庄文倩 图片由受访者提供