Teknologi ‘Neuroprosthesis Berbicara’ Mengembalikan Kemampuan Berbicara pada Pasien dengan Paralisis 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 paralisis 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 sebuah uji coba klinis, dan merupakan bagian dari sebuah karya yang lebih besar 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 paralisis untuk berkomunikasi bahkan ketika mereka tidak dapat berbicara sendiri.

Studi 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 studi ini.

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

Pekerjaan dalam bidang ini secara tradisional berkisar pada mengembalikan komunikasi melalui pendekatan berbasis ejaan untuk menulis huruf satu per satu dalam teks. Namun, studi baru ini berfokus pada menerjemahkan sinyal yang sebenarnya dimaksudkan untuk mengontrol otot sistem vokal untuk berbicara 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 berbicara, dan dapat mengarah pada kemajuan yang jauh lebih besar dalam bidang ini. Ia juga mengatakan bahwa pendekatan berbasis ejaan yang mengandalkan mengetik, menulis, dan mengontrol kursor jauh lebih lambat.

“Dengan berbicara, kita biasanya mengkomunikasikan informasi pada tingkat 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 bedah saraf untuk mendeteksi apa yang menyebabkan kejang mereka, dan menggunakan array elektroda yang ditempatkan di permukaan otak pasien. Pasien memiliki kemampuan berbicara normal, dan hasilnya membantu memimpin uji coba saat ini untuk individu dengan paralisis.

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 pasca-doktor di Laboratorium Chang 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 ini adalah seorang pria berusia akhir 30-an yang menderita stroke batang otak lebih dari 15 tahun yang lalu yang menyebabkan koneksi antara otak dan jalur vokal serta anggota tubuhnya rusak parah.

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

Ia harus memiliki array elektroda berdensitas tinggi yang ditanamkan di atas korteks motorik bicaranya, 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 Laboratorium Chang dan bertanggung jawab mengembangkan model jaringan neural khusus yang dapat menerjemahkan pola aktivitas neural yang direkam menjadi kata-kata yang dimaksud.

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 paralisis parah dan masalah komunikasi. Mereka juga memperluas jumlah kata dalam kosakata dan bekerja pada meningkatkan kecepatan berbicara.

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