‘Spraak Neuroprothese’ Technologie Herstelt Spraak bij Patiënt Met Ernstige Verlamming

In een nieuwe belangrijke ontwikkeling op het gebied van kunstmatige intelligentie (AI) prothesen, hebben onderzoekers aan de University of California San Francisco met succes een “spraak neuroprothese” ontwikkeld die gedeeltelijk spraak herstelde bij een man met ernstige verlamming. De nieuwe technologie hielp hem in zinnen te spreken toen het signalen van zijn hersenen naar het spraakorgaan vertaalde. De woorden verschenen vervolgens als tekst op een scherm.

Het onderzoek betrof de eerste deelnemer van een klinische onderzoeksstudie en maakte deel uit van een groter onderzoeksproject dat al meer dan tien jaar gaande was onder leiding van de neurochirurg Edward Chang van de UCSF, die probeerde een technologie te ontwikkelen die mensen met verlamming in staat stelde te communiceren, zelfs als ze niet zelf konden spreken.

De studie werd op 15 juli gepubliceerd in het New England Journal of Medicine.

Eerst Systeem van zijn Soort

Chang is de Joan en Sanford Weill Chair of Neurological Surgery aan de UCSF en Jeanne Robertson Distinguished Professor. Hij is ook de senior auteur van de studie.

“Voor zover wij weten, is dit de eerste succesvolle demonstratie van direct decoderen van volledige woorden uit de hersenactiviteit van iemand die verlamd is en niet kan spreken”, zei Chang. “Het toont een sterk potentieel om communicatie te herstellen door in te spelen op de natuurlijke spraakmachinerie van de hersenen.”

Onderzoek in dit veld draait traditioneel om het herstellen van communicatie via spelfouten gebaseerde benaderingen om letters een voor een in tekst te schrijven. De nieuwe studie richt zich echter op het vertalen van signalen die eigenlijk bedoeld zijn om de spieren van het spraakorgaan voor spreken te controleren. Dit is anders dan het traditionele onderzoek, dat zich richt op de signalen die de arm of hand bewegen.

Volgens Chang maakt de nieuwe benadering gebruik van de natuurlijke en vloeiende aspecten van spraak en kan het leiden tot veel meer vooruitgang in dit gebied. Hij zei ook dat spelfouten gebaseerde benaderingen die afhankelijk zijn van typen, schrijven en het controleren van een cursor veel langzamer zijn.

“Met spraak communiceren we normaal gesproken informatie op een zeer hoge snelheid, tot 150 of 200 woorden per minuut”, zei hij. “Rechtstreeks naar woorden gaan, zoals we hier doen, heeft grote voordelen omdat het dichter bij de manier ligt waarop we normaal gesproken spreken.”

Changs eerdere onderzoek was gebaseerd op patiënten in het UCSF Epilepsy Center die neurochirurgie ondergingen om te detecteren wat de oorzaak was van hun aanvallen, en het gebruikte elektrode-arrays die op het oppervlak van de hersenen van de patiënten werden geplaatst. De patiënten hadden normale spraak, en de resultaten hielpen bij het leiden naar de huidige proef voor personen met verlamming.

Enkele van de nieuwe methoden die door het team zijn ontwikkeld, waren een manier om corticale activiteitspatronen te decoderen en statistische taal om de nauwkeurigheid te verbeteren.

David Moses, PhD, is een postdoctorale ingenieur in de Chang Lab en een van de andere lead authors.

“Onze modellen moesten de mapping leren tussen complexe hersenactiviteitspatronen en bedoelde spraak”, zei Moses. “Dat vormt een grote uitdaging wanneer de deelnemer niet kan spreken.”

De Eerste Deelnemer

De eerste deelnemer van de proef was een man van eind dertig die meer dan vijftien jaar geleden een hersenstamslag had gehad, waardoor de verbinding tussen zijn hersenen en spraakorgaan en ledematen ernstig beschadigd was.

Door het ontwikkelen van een vocabulaire van 50 woorden die het team van Chang kon gebruiken om geavanceerde computeralgoritmes te herkennen, kon de deelnemer honderden zinnen creëren die dagelijkse levensconcepten uitdrukten.

Hij moest een hoogdichtheidselektrode-array in zijn spraakmotorcortex hebben geïmplanteerd, en na zijn herstel werd meer dan 22 uur neurale activiteit in deze hersenregio opgenomen over 48 sessies.

Sean Metzger, MS en Jessie Liu, BS, zijn beide bio-engineering doctoraalstudenten in de Chang Lab en waren verantwoordelijk voor het ontwikkelen van aangepaste neurale netwerkmodellen die de patronen van opgenomen neurale activiteit konden vertalen in specifieke bedoelde woorden.

Na de test vond het team dat het systeem woorden uit hersenactiviteit kon decoderen met een snelheid van maximaal 18 woorden per minuut en 93 procent nauwkeurig was. Het team paste een “auto-correction” functie toe op het taalmodel, wat de nauwkeurigheid verbeterde.

“We waren verheugd om de nauwkeurige decodering van een verscheidenheid aan betekenisvolle zinnen te zien”, zei Moses. “We hebben aangetoond dat het daadwerkelijk mogelijk is om communicatie op deze manier te faciliteren en dat het potentieel heeft voor gebruik in conversatie-instellingen.”

Het team zal nu de proef uitbreiden om meer deelnemers met ernstige verlamming en communicatieproblemen te includeren. Ze zijn ook bezig met het uitbreiden van het aantal woorden in de vocabulaire en het verbeteren van de spraaksnelheid.

“Dit is een belangrijke technologische mijlpaal voor een persoon die niet natuurlijk kan communiceren”, zei Moses, “en het toont het potentieel van deze benadering om een stem te geven aan mensen met ernstige verlamming en spraakverlies, dus het uitbreiden van het aantal woorden in de vocabulaire en het werken aan het verbeteren van de spraaksnelheid.