非侵入脑机接口准确率61%，微小病灶漏诊率40%，为何仍需人工？

2026年7月，复旦大学附属华山医院完成了全球首款侵入式脑机接口的商业化植入。患者通过意念控制机械臂，重新端起了水杯。

为什么不用AI？因为在这个场景里，AI标注的一个错误，可能不是让你刷到一条不喜欢的短视频——而是让你想去拿水杯的机械臂，直接撞到你脸上。

这不是危言耸听。国家药监局官方对脑机接口医疗器械的描述直白到残酷：“如果用来训练的数据质量参差不齐，就像用模糊的照片去训练人脸识别系统，最终导致设备无法解码出患者的真实意图，影响治疗效果，甚至带来安全风险。”

很多人以为AI在医疗影像、脑机接口上还不能全自动标注，是因为“技术还不够强”。但真正的瓶颈不在模型跑分，而在两类任务上，AI天然就缺少判断力。

第一类：极早期、极隐匿的病灶。

阿尔茨海默病是最典型的例子。病理变化在症状出现前数年甚至十余年就开始了——海马萎缩、额颞叶灰质减少，这些变化微弱到人类的肉眼都很难捕捉，症状还和其他神经疾病高度重叠。

AI模型在公开数据集上能跑到90%甚至更高的准确率，但换上另一家医院、另一台扫描设备、另一套扫描协议，性能直接骤降。用临床医生的话说：“AI考试考得很好，但没经历过真正的临床街。”

第二类：几乎没有训练样本的极端异常。

医疗影像的异常场景理论上是无穷尽的——人体不是标准化产品，一个人身上能长出来的“不正常”形态，远超任何训练集的覆盖范围。

头部医疗AI企业德适的创始人在业绩说明会上说得非常直白：“人体影像异常情况是可以无穷尽的，不能像自动驾驶等标准化场景去做数据标注。”自动驾驶面对的永远是“车、人、路、标线”这几类，医疗影像面对的每个病人，都可能是一个AI从来没见过的“新品种”。

脑机接口的问题更大。全国真正开展侵入式脑机接口的临床病例，总共只有几百例，单中心最大病例数还不到100例。几百例，不够AI完成最基本的算法训练——更不用说独立标注了。

非侵入式脑机接口的参数更直观一些：即便Meta在2026年发表在Nature子刊上的最新非侵入式解码系统Brain2Qwerty v2，平均单词准确率也只有

61%

，最优被试才到78%。这意味着，

每输出10个词，至少有两三个是错的

——临床场景下，这种错误率直接被判不可接受。

Meta脑机接口两个迭代版本的性能数据对比

而临床医师的实际体验则补齐了另一个信息维度。北京市大兴区某三甲医院放射科副主任张晓华给过一个具体的数值：AI对直径大于5毫米的典型肺结节标注效率确实能提升一倍，但对于3毫米以下的微小结节、靠近胸膜或纵隔的隐匿性病灶，

AI漏诊率高达40%

。

这40%不是论文里的测试误差，是真进了临床会出事的漏判。

医学诊断有一个根本逻辑：任何一个临床决策，都必须是能复现、能追溯、能被同行复核的。这跟AI目前的核心运作方式直接冲撞——AI输出的是统计相关性，不是因果推理。它只能告诉你“这个区域有95%的概率是病灶”，但不能告诉你为什么。

在这个问题上，临床一线和监管层口径高度一致。

2026年发布的《人工智能医学影像研究伦理指引》明确要求算法输出必须“透明可信”，同期发布的《医疗机构人工智能应用与治理专家共识（2026版）》则划了一条硬底线：AI的法律属性永远是“辅助诊疗工具”，医师拥有最终决策权，AI输出结果必须经医师确认之后才能进入病历系统，高风险环节需要设置双人复核机制。

回到临床实操，这套规则的合理性更容易理解。张晓华提到过一个真实案例：AI把一例肺部病灶标注为“疑似肺结核”，但她结合影像细节和患者病史判断更符合真菌感染。问题是，AI不解释自己的判断依据——她没办法快速验证，只能逐一查病史、血常规，反复确认之后才避免了误诊。

AI的错误不是错误本身最危险，是它能错误得很有底气，还不告诉你底气从哪来。

除了误诊，还有一个更基础的问题让脑机接口的标注必须由人工全程管控：脑电信号不是普通医疗数据，它是和基因数据同一等级的核心敏感信息。

它的敏感在于两个特性。一是不可更改性——一个人的神经活动模式是稳定生物特征，一旦被获取就无法收回。二是深度预测性——在意识做出决定之前，大脑已经进行了无意识的预备活动，神经信号可能先于主体意志暴露其倾向。

这意味着，脑电标注数据承载的不只是一些波形和数值，是这个人尚未外化的意图、念头、情绪倾向——这些东西泄露出去，不是改个密码能解决的问题。

2026年9月14日，国家药监局发布的全球首个脑机接口医疗器械行业标准YY/T 2029—2026，将这条要求进一步制度化了：脑电数据集标注环节必须建立统一质控规范，标注过程可追溯、结果必须符合临床专业认知，这是脑机接口产品上市的强制准入条件。

这是刚性要求，不是建议。

从目前全行业的实践来看，人机协同在三类场景上的替代边界已经基本清晰，没有任何一方主张全AI自动标注大规模进入临床高风险场景。

一是常规典型病灶的初筛，AI可以独立完成。

直径大于5毫米的典型肺结节、大面积肺炎这类标准化病变，AI标注效率能翻倍，人工不需要介入。

二是大部分常见病种的标注，必须人机协同，人工复核是底线。

三是隐匿病灶、非典型病例、三类医疗器械级别脑机接口核心标注，人工必须全程主导。

这类场景AI连独立参与都不行，只能作为专家的效率辅助工具——帮忙快速定位可疑区域、批量处理标准化预处理，但最终每一个标注点的确认，必须由人来做。

行业的演进方向也不是追求100%全自动化。

换句话说，这个领域的终点不是让AI取代人，是持续扩大“常规任务自动干、疑难任务人兜底”这个安全区。只要临床安全红线还在，最后一关的判定权，只能攥在人的手里。