Teknologi ‘Neuroprosthesis Berbicara’ Mengembalikan Kemampuan Berbicara pada Pasien dengan Kelumpuhan Parah

Dalam perkembangan besar lainnya dalam prostetik kecerdasan buatan (AI), peneliti di University of California San Francisco telah berhasil mengembangkan “neuroprosthesis berbicara” yang sebagian mengembalikan kemampuan berbicara pada seorang pria dengan kelumpuhan parah. Teknologi baru ini membantunya berbicara dalam kalimat ketika menerjemahkan sinyal dari otaknya ke jalur vokal. Kata-kata kemudian muncul sebagai teks pada layar. 

Pekerjaan ini melibatkan partisipan pertama dari uji coba klinis, dan merupakan bagian dari tubuh pekerjaan yang telah berlangsung selama lebih dari sepuluh tahun oleh ahli bedah saraf UCSF Edward Chang, MD, yang telah berusaha mengembangkan teknologi yang memungkinkan orang-orang dengan kelumpuhan untuk berkomunikasi bahkan ketika mereka tidak dapat berbicara sendiri. 

Penelitian ini dipublikasikan pada 15 Juli di New England Journal of Medicine. 

Sistem Pertama dari Jenisnya

Chang adalah Joan dan Sanford Weill Chair of Neurological Surgery di UCSF dan Jeanne Robertson Distinguished Professor. Ia juga penulis senior dari penelitian ini. 

“Menurut pengetahuan kami, ini adalah demonstrasi pertama yang sukses dari dekoding langsung kata-kata penuh dari aktivitas otak seseorang yang lumpuh dan tidak dapat berbicara,” kata Chang. “Ini menunjukkan janji yang kuat untuk mengembalikan komunikasi dengan mengetuk mesin ucapan alami otak.”

Pekerjaan di bidang ini secara tradisional berputar autour mengembalikan komunikasi melalui pendekatan berbasis ejaan untuk menulis huruf satu per satu dalam teks. Namun, penelitian baru ini berfokus pada menerjemahkan sinyal yang sebenarnya dimaksudkan untuk mengontrol otot sistem vokal untuk mengucapkan kata-kata. Ini berbeda dari pekerjaan tradisional, yang berfokus pada sinyal yang menggerakkan lengan atau tangan. 

Menurut Chang, pendekatan baru ini memanfaatkan aspek alami dan cair dari ucapan, dan dapat mengarah pada kemajuan yang jauh lebih besar dalam bidang ini. Ia juga mengatakan bahwa pendekatan berbasis ejaan yang mengandalkan pengetikan, menulis, dan mengontrol kursor jauh lebih lambat.

“Dengan ucapan, kita biasanya berkomunikasi dengan kecepatan yang sangat tinggi, hingga 150 atau 200 kata per menit,” katanya. “Pergi langsung ke kata-kata, seperti yang kita lakukan di sini, memiliki kelebihan besar karena lebih dekat dengan cara kita berbicara secara normal.”

Pekerjaan sebelumnya Chang bergantung pada pasien di Pusat Epilepsi UCSF yang menjalani operasi otak untuk mendeteksi apa yang menyebabkan kejang mereka, dan menggunakan array elektroda yang ditempatkan di permukaan otak pasien. Pasien memiliki ucapan normal, dan hasilnya membantu memimpin uji coba saat ini untuk individu dengan kelumpuhan. 

Beberapa metode baru yang dikembangkan oleh tim termasuk cara untuk mendekode pola aktivitas kortikal dan bahasa statistik untuk meningkatkan akurasi. 

David Moses, PhD, adalah insinyur postdoctoral di Chang Lab dan salah satu penulis utama lainnya.

 “Model kami perlu mempelajari pemetaan antara pola aktivitas otak yang kompleks dan ucapan yang dimaksud,” kata Moses. “Itu menimbulkan tantangan besar ketika partisipan tidak dapat berbicara.”

Partisipan Pertama

Partisipan pertama uji coba adalah seorang pria berusia akhir 30-an yang menderita stroke batang otak lebih dari 15 tahun yang lalu yang menyebabkan hubungan antara otak dan jalur vokal serta anggota tubuhnya rusak parah. 

Dengan mengembangkan kosakata 50 kata yang dapat digunakan tim Chang untuk mengenali algoritma komputer canggih, partisipan dapat membuat ratusan kalimat yang mengungkapkan konsep kehidupan sehari-hari. 

Ia harus memiliki array elektroda densitas tinggi yang ditanamkan di atas korteks motorik ucapannya, dan setelah pemulihannya, lebih dari 22 jam aktivitas neural di wilayah otak ini direkam selama 48 sesi. 

Sean Metzger, MS dan Jessie Liu, BS, adalah mahasiswa doktoral teknik biomedis di Chang Lab dan bertanggung jawab untuk mengembangkan model jaringan neural khusus yang dapat menerjemahkan pola aktivitas neural yang direkam menjadi kata-kata yang dimaksudkan. 

Setelah uji coba, tim menemukan bahwa sistem dapat mendekode kata-kata dari aktivitas otak dengan kecepatan hingga 18 kata per menit, dan 93 persen akurat. Tim menerapkan fungsi “auto-correct” pada model bahasa, yang membantu meningkatkan akurasi.

 “Kami sangat senang melihat dekoding akurat dari berbagai kalimat yang bermakna,” kata Moses. “Kami telah menunjukkan bahwa memang mungkin untuk memfasilitasi komunikasi dengan cara ini dan bahwa itu memiliki potensi untuk digunakan dalam pengaturan percakapan.”

Tim sekarang akan memperluas uji coba untuk mencakup lebih banyak partisipan yang menderita kelumpuhan parah dan masalah komunikasi. Mereka juga memperluas jumlah kata dalam kosakata dan bekerja pada meningkatkan kecepatan ucapan. 

“Ini adalah tonggak teknologi yang penting bagi seseorang yang tidak dapat berkomunikasi secara alami,” kata Moses, “dan itu menunjukkan potensi untuk pendekatan ini untuk memberikan suara pada orang-orang dengan kelumpuhan parah dan kehilangan ucapan.”