Τεχνολογία Νευροπροσθέσεων Λόγου Επαναφέρει τον Λόγο σε Ασθενή με Σοβαρή Παράλυση

Σε μια άλλη σημαντική εξέλιξη στην τεχνολογία των προθετικών με τη χρήση της τεχνητής νοημοσύνης, ερευνητές στο Πανεπιστήμιο της Καλιφόρνιας στο Σαν Φρανσίσκο έχουν αναπτύξει με επιτυχία μια «νευροπροσθήκη λόγου» που επαναφέρει частично τον λόγο σε ένα άντρα με σοβαρή παράλυση. Η νέα τεχνολογία βοήθησε τον άντρα να μιλήσει σε προτάσεις όταν μετέτρεψε σήματα από το εγκέφαλο του στο λαρύγγι. Οι λέξεις εμφανίστηκαν ως κείμενο σε μια οθόνη.

Το έργο αφορούσε τον πρώτο συμμετέχοντα μιας κλινικής μελέτης και ήταν μέρος eines μεγαλύτερου έργου που διεξάγεται για πάνω από δέκα χρόνια από τον νευροχειρούργο Edward Chang, MD, ο οποίος προσπαθεί να αναπτύξει μια τεχνολογία που επιτρέπει στους ανθρώπους με παράλυση να επικοινωνούν ακόμη και όταν δεν μπορούν να μιλήσουν μόνοι τους.

Η μελέτη δημοσιεύθηκε στις 15 Ιουλίου στο New England Journal of Medicine.

Πρώτο Σύστημα του Είδους του

Ο Chang είναι ο καθηγητής Joan και Sanford Weill της Νευροχειρουργικής στο UCSF και Jeanne Robertson Distinguished Professor. Είναι επίσης ο senior author της μελέτης.

«Σύμφωνα με τις γνώσεις μας, αυτό είναι η πρώτη επιτυχημένη απόδειξη της άμεσης αποκωδικοποίησης πλήρων λέξεων από την εγκεφαλική δραστηριότητα κάποιου που είναι παράλυτος και δεν μπορεί να μιλήσει», είπε ο Chang. «Δείχνει ισχυρή υπόσχεση να επαναφέρει την επικοινωνία εισχωρώντας στο φυσικό μηχανισμό του λόγου του εγκεφάλου».

Η εργασία σε αυτό το πεδίο παραδοσιακά περιστρέφεται γύρω από την επαναφορά της επικοινωνίας μέσω προσεγγίσεων που βασίζονται στο γράψιμο για να γράψουν γράμματα ένα-ένα σε κείμενο. Ωστόσο, η νέα μελέτη επικεντρώνεται στη μετάφραση σημάτων που προορίζονται πραγματικά να ελέγχουν τους μυς του φωνητικού συστήματος για τον λόγο. Αυτό είναι διαφορετικό από την παραδοσιακή εργασία, η οποία επικεντρώνεται στα σήματα που κινούν το χέρι ή το χέρι.

Σύμφωνα με τον Chang, η νέα προσέγγιση αξιοποιεί τις φυσικές και ρευστές πτυχές του λόγου και μπορεί να οδηγήσει σε πολλές προόδους σε αυτό το πεδίο. Είπε επίσης ότι οι προσεγγίσεις που βασίζονται στο γράψιμο που εξαρτώνται από την πληκτρολόγηση, τη γραφή και τον έλεγχο του δρομέα είναι πολύ πιο αργές.

«Με τον λόγο, συνήθως επικοινωνούμε πληροφορίες σε πολύ υψηλό ρυθμό, μέχρι 150 ή 200 λέξεις ανά λεπτό», είπε. «Πηγαίνοντας κατευθείαν στις λέξεις, όπως κάνουμε εδώ, έχει πολλά πλεονεκτήματα γιατί είναι πιο κοντά στο πώς μιλάμε συνήθως».

Η προηγούμενη εργασία του Chang βασίζονταν σε ασθενείς στο Κέντρο Επιληψίας του UCSF που υποβέβαιναν σε νευροχειρουργική για να ανιχνεύσουν τι προκαλούσε τις σπασμούς τους, και χρησιμοποίησε πίνακες ηλεκτροδίων που τοποθετήθηκαν στην επιφάνεια του εγκεφάλου των ασθενών. Οι ασθενείς είχαν φυσιολογικό λόγο, και τα αποτελέσματα οδήγησαν στην τρέχουσα δοκιμή για άτομα με παράλυση.

Ο David Moses, PhD, είναι ένας μεταδιδακτορικός μηχανικός στο εργαστήριο του Chang και ένας από τους βασικούς συγγραφείς.

«Τα μοντέλα μας χρειάζονταν να μάθουν το χάρτη μεταξύ σύνθετων μοτίβων εγκεφαλικής δραστηριότητας και προοριζόμενου λόγου», είπε ο Moses. «Αυτό θέτει μια μεγάλη πρόκληση όταν ο συμμετέχων δεν μπορεί να μιλήσει».

Ο Πρώτος Συμμετέχων

Ο πρώτος συμμετέχων της δοκιμής ήταν ένας άντρας στα τέλη των 30 του, ο οποίος υπέφερε από einen εγκεφαλικό επεισόδιο πριν από πάνω από 15 χρόνια που άφησε τη σύνδεση μεταξύ του εγκεφάλου του και του λαρυγγικού και των άκρων σοβαρά κατεστραμμένη.

Αναπτύσσοντας ένα λεξιλόγιο 50 λέξεων που η ομάδα του Chang μπορούσε να αναγνωρίσει με τη χρήση προηγμένων αλγορίθμων υπολογιστή, ο συμμετέχων ήταν σε θέση να δημιουργήσει εκατοντάδες προτάσεις που εκφράζουν καθημερινές έννοιες.

Είχε την υποχρέωση να έχει ένα υψηλής πυκνότητας πίνακα ηλεκτροδίων εμφυτευμένο πάνω από τον κινητικό φλοιό του λόγου, και μετά από την ανάκαμψή του, πάνω από 22 ώρες νευρικής δραστηριότητας σε αυτήν την εγκεφαλική περιοχή καταγράφηκαν σε 48 συνεδρίες.

Ο Sean Metzger, MS και η Jessie Liu, BS, είναι και οι δύο φοιτητές διδάκτορες βιοϊατρικής στο εργαστήριο του Chang και ήταν υπεύθυνοι για την ανάπτυξη εξατομικευμένων μοντέλων νευρωνικών δικτύων που μπορούσαν να μεταφράσουν τα μοτίβα της καταγεγραμμένης νευρικής δραστηριότητας σε συγκεκριμένες προοριζόμενες λέξεις.

Μετά τη δοκιμή, η ομάδα βρήκε ότι το σύστημα μπορούσε να αποκωδικοποιήσει λέξεις από την εγκεφαλική δραστηριότητα με ρυθμό μέχρι 18 λέξεις ανά λεπτό, και ήταν 93% ακριβές. Η ομάδα εφαρμόσε ένα «αυτο-διόρθωση» στη γλώσσα μοντέλο, το οποίο βοήθησε να βελτιωθεί η ακρίβεια.

«Ηταν ενθουσιασμένοι που είδαμε την ακριβή αποκωδικοποίηση μιας ποικιλίας σημαντικών προτάσεων», είπε ο Moses. «Εχουμε δείξει ότι είναι δυνατό να διευκολύνουμε την επικοινωνία με αυτόν τον τρόπο και ότι έχει δυνατότητες για χρήση σε συνομιλίες».

Η ομάδα θα επεκτείνει τώρα τη δοκιμή για να συμπεριλάβει περισσότερους συμμετέχοντες που πάσχουν από σοβαρή παράλυση και προβλήματα επικοινωνίας. Εργάζονται επίσης για την επέκταση του αριθμού των λέξεων στο λεξιλόγιο και για τη βελτίωση του ρυθμού του λόγου.

«Αυτό είναι ένα σημαντικό τεχνολογικό ορόσημο για ένα άτομο που δεν μπορεί να επικοινωνήσει φυσικά», είπε ο Moses, «και δείχνει το δυναμικό της προσέγγισης για να δώσει φωνή σε άτομα με σοβαρή παράλυση και απώλεια λόγου».