Tecnologia di “neuroprotesi del linguaggio” che ripristina la parola a un paziente con paralisi grave

In un altro importante sviluppo nel campo delle protesi di intelligenza artificiale, i ricercatori dell’Università della California di San Francisco hanno sviluppato con successo una “neuroprotesi del linguaggio” che ha parzialmente ripristinato la parola a un uomo con paralisi grave. La nuova tecnologia ha aiutato a tradurre i segnali dal suo cervello al tratto vocale, e le parole sono apparse come testo su uno schermo.

Il lavoro ha coinvolto il primo partecipante di una sperimentazione clinica e faceva parte di un più ampio corpo di lavoro che è stato condotto per oltre dieci anni dal neurochirurgo dell’UCSF Edward Chang, che ha cercato di sviluppare una tecnologia che consenta alle persone con paralisi di comunicare anche quando non possono parlare da sole.

Lo studio è stato pubblicato il 15 luglio sulla rivista New England Journal of Medicine.

Primo sistema del suo genere

Chang è il Joan e Sanford Weill Chair of Neurological Surgery all’UCSF e Jeanne Robertson Distinguished Professor. È anche l’autore senior dello studio.

“Per quanto ne sappiamo, questa è la prima dimostrazione riuscita di decodifica diretta di parole complete dall’attività cerebrale di qualcuno che è paralizzato e non può parlare”, ha detto Chang. “Mostra una forte promessa per ripristinare la comunicazione sfruttando la macchina del linguaggio naturale del cervello”.

Il lavoro in questo campo si concentra tradizionalmente sul ripristino della comunicazione attraverso approcci basati sulla scrittura per scrivere lettera per lettera nel testo. Tuttavia, il nuovo studio si concentra sulla traduzione dei segnali che sono effettivamente destinati a controllare i muscoli del sistema vocale per parlare. Questo è diverso dal lavoro tradizionale, che si concentra sui segnali che muovono il braccio o la mano.

Secondo Chang, il nuovo approccio sfrutta gli aspetti naturali e fluidi del linguaggio e potrebbe portare a ulteriori progressi in questo settore. Ha anche detto che gli approcci basati sulla scrittura che si affidano alla digitazione, alla scrittura e al controllo di un cursore sono molto più lenti.

“Con il linguaggio, comunichiamo normalmente informazioni a un ritmo molto alto, fino a 150 o 200 parole al minuto”, ha detto. “Andare direttamente alle parole, come stiamo facendo qui, ha grandi vantaggi perché è più vicino a come parliamo normalmente”.

Il lavoro precedente di Chang si basava su pazienti del Centro per l’epilessia dell’UCSF che stavano subendo un intervento chirurgico per rilevare cosa stava causando le loro crisi, e utilizzava matrici di elettrodi posizionate sulla superficie del cervello dei pazienti. I pazienti avevano un linguaggio normale e i risultati hanno aiutato a condurre alla sperimentazione attuale per individui con paralisi.

Alcuni dei nuovi metodi sviluppati dal team includevano un modo per decodificare i modelli di attività corticale e il linguaggio statistico per migliorare l’accuratezza.

David Moses, PhD, è un ingegnere post-dottorato nel laboratorio di Chang e un altro degli autori principali.

“I nostri modelli dovevano imparare la mappatura tra modelli di attività cerebrale complessi e linguaggio inteso”, ha detto Moses. “Questo rappresenta una sfida importante quando il partecipante non può parlare”.

Il primo partecipante

Il primo partecipante della sperimentazione era un uomo di fine trent’anni che aveva subito un ictus del tronco cerebrale oltre 15 anni fa, che aveva danneggiato gravemente la connessione tra il suo cervello e il tratto vocale e gli arti.

Sviluppando un vocabolario di 50 parole che il team di Chang poteva utilizzare con algoritmi computerizzati avanzati per riconoscere, il partecipante è stato in grado di creare centinaia di frasi che esprimevano concetti della vita quotidiana.

Gli è stato richiesto di avere una matrice di elettrodi ad alta densità impiantata sopra la sua corteccia motoria del linguaggio, e dopo il suo recupero, oltre 22 ore di attività neurale in questa regione cerebrale sono state registrate in 48 sessioni.

Sean Metzger, MS e Jessie Liu, BS, sono entrambi studenti di dottorato in bioingegneria nel laboratorio di Chang e sono stati responsabili dello sviluppo di modelli di reti neurali personalizzati che potevano tradurre i modelli di attività neurale registrata in parole specifiche intese.

Dopo il test, il team ha scoperto che il sistema poteva decodificare parole dall’attività cerebrale a un ritmo di fino a 18 parole al minuto e con un’accuratezza del 93%. Il team ha applicato una funzione di “correzione automatica” al modello del linguaggio, che ha aiutato a migliorare l’accuratezza.

“Siamo stati entusiasti di vedere la decodifica accurata di una varietà di frasi significative”, ha detto Moses. “Abbiamo dimostrato che è effettivamente possibile facilitare la comunicazione in questo modo e che ha potenziale per l’uso in ambienti conversazionali”.

Il team estenderà ora la sperimentazione per includere più partecipanti con paralisi grave e problemi di comunicazione. Stanno anche espandendo il numero di parole nel vocabolario e lavorando per migliorare il ritmo del linguaggio.

“Questo è un importante traguardo tecnologico per una persona che non può comunicare naturalmente”, ha detto Moses, “e dimostra il potenziale di questo approccio per dare una voce alle persone con paralisi grave e perdita del linguaggio”.