其中一篇论文研究中，美国斯坦福大学Francis Willett和同事开发出一种脑机接口装置，可以通过插入大脑的细电极阵列收集单个细胞的神经活动，并训练人工神经网络来解码病人试图进行的发声。在该装置的帮助下，一名肌萎缩性侧索硬化症病人可以以每分钟62个词的速度进行交流，这一速度是此前类似装置的3.4倍，进一步接近了自然对话的速度(每分钟约160个词)。该装置在50个单词的词汇量下错误率为9.1%，比此前最先进的语言脑机接口装置低2.7倍。在使用12500词汇量时，该装置错误率为23.8%，论文作者认为，这可能是有研究首次成功演示大词汇量的解码。
在另一篇论文研究中，美国加州大学旧金山分校Edward Chang和同事开发出一种基于不同方法获取大脑活动的装置，该装置的电极覆盖在大脑表面并侦测许多细胞的活动。这种脑机接口装置可以将大脑信号同时转化为三种输出形式：文字、语音和控制一个头像。研究人员训练了一个深度学习模型，来解码从一名因脑干中风而严重瘫痪的患者那里收集到的神经数据，收集数据时病人试图无声地说出句子。脑信号到文字的转译速度中位数为每分钟78个词(错误率为25%)；大脑信号转译为语音时，372词汇量下错误率为28.2%，词汇量越小，错误率越低。该装置还能将神经活动转译为面部表情，以动画头像的形式呈现。综上所述，这种多模式脑机接口装置为瘫痪病人提供了更多可能性，让他们能够更自然、更具表现力地进行交流。
《自然》同期发表同行专家的«新闻与观点»文章认为，这两个脑机接口装置«代表了神经科学和神经工程学研究的重大进步，对于缓解因瘫痪性神经损伤和疾病而失声的人的痛苦有巨大潜力»，不过，要实现更广泛的应用还需要进一步的工作。