《BIOMATERIALS RESEARCH》：Engineering Neural Interface Materials for Brain–Computer Interfaces: Toward Reliable Neural Information and Functional Recovery
编辑推荐：
运动功能障碍是卒中、脊髓损伤及脑性瘫痪等神经系统疾病的主要致残结局。通过构建神经活动与外部效应器之间的直接通信，脑机接口（Brain–Computer Interface，BCI）为神经功能重建提供了可行路径，可实现运动意图解码、辅助控制与康复反馈。然而，BC
运动功能障碍是卒中、脊髓损伤及脑性瘫痪等神经系统疾病的主要致残结局。通过构建神经活动与外部效应器之间的直接通信，脑机接口（Brain–Computer Interface，BCI）为神经功能重建提供了可行路径，可实现运动意图解码、辅助控制与康复反馈。然而，BCI 的持续性能不仅依赖于解码算法进展，更受限于神经界面材料与界面特性，以及神经信息在信号采集、智能解码、控制执行与闭环反馈各环节的可靠传递。已有综述多聚焦于侵入性层级、电极技术或解码方法，较少将神经界面材料、信号可靠性、人工智能（Artificial Intelligence，AI）适应性及闭环性能整合于统一的信息可靠性框架中。为此，研究人员系统综述了面向运动康复的 AI 赋能 BCI 最新进展，比较了不同侵入层级的神经信号与界面特征，阐明了关键材料与界面属性对稳定信号采集的影响，并讨论了 AI 在数据高效学习、时空与关系型神经表征、神经分布偏移适应及实时闭环高效解码中的作用。进一步归纳了其在外骨骼、神经假体、脑性瘫痪康复与康复机器人中的典型应用，最后从神经界面稳定性到功能恢复层面讨论当前挑战与潜在解决方案，为长期可靠 BCI 及下一代智能神经康复系统的临床转化提供系统性路径。
本文围绕“从神经界面到功能恢复”的主线，构建并阐释了运动康复脑机接口（BCI）的“信息可靠性链”，系统评述神经界面材料、人工智能（AI）解码与闭环康复之间的协同关系。
分类与演化脉络
文章依据记录接口与脑实质的空间关系，将 BCI 分为非侵入式、半侵入式与侵入式三类。非侵入式以头皮脑电（EEG）、功能性近红外光谱（fNIRS）与光泵磁强计磁脑图（OPM-MEG）为代表，优势在于安全可重复，但受容积传导、运动伪迹与环境噪声制约；半侵入式以硬膜外或蛛网膜下腔脑皮层电图（ECoG）为主，在信噪比（SNR）与空间采样间取得折中；侵入式涵盖立体定向脑电图（sEEG）与皮内微电极阵列，可获取单神经元放电与局部场电位（LFP），但面临免疫响应、阻抗漂移与长期稳定性瓶颈。历史演进被概括为：从神经记录走向可靠解码，从单向控制走向双向闭环，从短期演示走向长期临床转化。
神经界面的关键性能需求
生物相容性并非单一“无毒性”指标，而是材料–组织–环境动态界面状态。表皮界面需兼顾抗菌、透气与长期接触稳定；皮层与颅内界面则强调免疫微环境调节、胶质瘢痕抑制与机械扰动最小化。丝素蛋白（SF）、Parylene C 与超薄柔性基底被用于降低慢性炎症反应。
电学与电化学性能决定离子–电子转导效率。低界面阻抗、低噪声、高电荷存储/注入能力是微弱神经信号高保真记录与双向刺激的基础。还原氧化石墨烯（rGO）、MXene、聚（3,4-乙撑二氧噻吩）聚苯乙烯磺酸盐（PEDOT:PSS）及 PEDOT:PSS/IrOx 复合界面，通过电子–离子耦合传输与微观结构调控，显著降低阻抗并提高电荷转移稳定性。
界面黏附用于抑制滑动、脱层与体液浸润引发的阻抗波动。导电水凝胶借助氢键、动态键与拓扑互锁实现湿态自适应黏附；植入级 μECoG 采用异质网络水凝胶（aGel）实现低损伤可逆固定，兼顾组织响应控制与长期接触稳定。
力学匹配与疲劳可靠性关注模量、厚度、多层架构与几何设计共同决定的有效柔顺性。通过超薄聚酰亚胺（PI）、网状开口结构、瞬态支撑材料与配位增强金属层，可耗散脑搏动与微动剪切应力，延缓裂纹扩展与电气连续性退化，从而在循环弯曲下维持信号完整性。
AI 驱动的解码与可靠信息传递
在稳定采集基础上，AI 需应对有限标注数据、跨会话/跨被试变异与非平稳分布偏移。文章从三条路径组织论述：其一，数据高效学习，支持向量机（SVM）配合共空间模式（CSP）实现小样本判别，深度信念网络（DBN）进行弱标签潜表征学习，生成对抗网络（GAN）用于样本增强与域适应；其二，时空与关系表征，卷积神经网络（CNN）、循环神经网络（RNN）、图神经网络（GNN）与 Transformer 用于建模多通道神经活动的空间拓扑与时间依赖；其三，分布适应与实时闭环，通过增量更新、跨被试迁移与轻量化推理，将上游信号波动隔离在解码误差传播之前，保障外骨骼、神经假体与康复机器人的连续控制。
闭环执行与功能恢复
可靠解码驱动外部效应器完成运动辅助，并结合视觉、本体感觉与皮层刺激反馈形成闭环训练。双向颅内 BCI 与脑–脊髓神经调控可重建“意图–执行–反馈”回路，诱导神经可塑性并改善实际运动功能。文章强调，单点精度不能替代链路可靠性：材料–组织耦合退化会沿采集、解码、控制、反馈逐级放大，最终限制康复获益。
挑战与转化视角
综述最后指出，长期界面稳定、模型泛化、控制反馈一致性与临床证据充分性仍是核心瓶颈。未来应把神经界面材料、信号可靠性、AI 解码与康复反馈统一在信息可靠性链框架下，以系统化指标推动下一代智能神经康复系统的工程落地与临床转化。
需要我把这篇评审解读压缩成一段可用于审稿意见“总体评价”的精炼评语吗？
