‘Tale Neuroprotese’ Teknologi Gjenoppretter Tale for Pasient Med Alvorlig Lammelse

I en ny stor utvikling innen kunstig intelligens (AI) proteser, har forskere ved University of California San Francisco utviklet en “tale neuroprotese” som delvis har gjenopprettet tale for en mann med alvorlig lammelse. Den nye teknologien hjalp ham å snakke i setninger når den oversatte signaler fra hjernen hans til vokaltraktet. Ordene dukket så opp som tekst på en skjerm. 

Arbeidet involverte den første deltageren i en klinisk forskningsstudie, og det var en del av et større arbeid som har pågått i over ti år av UCSF-neurokirurgen Edward Chang, MD, som har forsøkt å utvikle en teknologi som gjør det mulig for mennesker med lammelse å kommunisere selv når de ikke kan snakke på egen hånd. 

Studien var publisert den 15. juli i New England Journal of Medicine. 

Første System Av Sitt Slag

Chang er Joan og Sanford Weill-stolen i nevrokirurgi ved UCSF og Jeanne Robertson Distinguished Professor. Han er også seniorforfatter av studien. 

“Så langt vi vet, er dette den første vellykkede demonstrasjonen av direkte dekoding av hele ord fra hjernens aktivitet hos noen som er lammet og ikke kan snakke,” sa Chang. “Det viser sterk løfte til å gjenopprette kommunikasjon ved å bruke hjernens naturlige talesmaskin.”

Arbeid på dette feltet dreier seg tradisjonelt om å gjenopprette kommunikasjon gjennom staving-basert tilnærming for å skrive ut bokstaver en-for-en i tekst. Men den nye studien fokuserer på å oversette signaler som faktisk er ment å kontrollere muskler i vokalsystemet for å snakke ord. Dette er forskjellig fra det tradisjonelle arbeidet, som fokuserer på signalene som flytter armen eller hånden. 

Ifølge Chang, utnytter den nye tilnærmingen de naturlige og flytende aspektene av tale, og det kan føre til langt flere fremgang i dette området. Han sa også at staving-basert tilnærming som avhenger av skriving, skriving og kontroll av en markør er mye langsommere.

“Med tale, kommuniserer vi vanligvis informasjon med en meget høy hastighet, opp til 150 eller 200 ord per minutt,” sa han. “Å gå rett til ord, som vi gjør her, har store fordeler fordi det er nærmere hvordan vi vanligvis snakker.”

Changs tidligere arbeid avhengig av pasienter ved UCSF Epilepsi-senteret som gjennomgikk nevrokirurgi for å påvise hva som forårsaket deres anfall, og det brukte elektrode-arrays som ble plassert på overflaten av pasientens hjerner. Pasientene hadde normal tale, og resultater hjalp til å føre til den nåværende prøven for personer med lammelse. 

Noen av de nye metodene utviklet av teamet inkluderte en måte å dekodere kortikale aktivitetmønster og statistisk språk for å forbedre nøyaktigheten. 

David Moses, PhD, er en postdoktorand ingeniør i Chang Lab og en annen av hovedforfatterne.

“Våre modeller måtte lære kartleggingen mellom komplekse hjernens aktivitetmønster og mentale tale,” sa Moses. “Det stiller en stor utfordring når deltageren ikke kan snakke.”

Den Første Deltageren

Prøvens første deltager var en mann i slutten av 30-årene som led av en hjernestamme-slått over 15 år siden som etterlot forbindelsen mellom hjernen og vokaltrakt og lemmer alvorlig skadet. 

Ved å utvikle en 50-ords vokabular som Changs team kunne bruke avanserte datamaskinalgoritmer til å gjenkjenne, kunne deltageren lage hundrevis av setninger som uttrykte dagliglivs konsepter. 

Han måtte ha en høy-tetthets-elektrode-array implantert over tale-motor cortex, og etter hans gjenoppretting, ble over 22 timer med nevralsk aktivitet i denne hjerneregionen innspilt over 48 sesjoner. 

Sean Metzger, MS og Jessie Liu, BS, er begge bioingeniør-doktorstudenter i Chang Lab og var ansvarlige for å utvikle tilpassede neurale nettverksmodeller som kunne oversette mønster av innspilt nevralsk aktivitet til bestemte mentale ord. 

Etter testen, fant teamet at systemet kunne dekodere ord fra hjernens aktivitet med en hastighet på opptil 18 ord per minutt, og det var 93 prosent nøyaktig. Teamet anvendte en “auto-rett” funksjon til språkmodellen, som hjalp til å forbedre nøyaktigheten.

“Vi var begeistret for å se den nøyaktige dekodingen av en rekke meningsfulle setninger,” sa Moses. “Vi har vist at det faktisk er mulig å fasilitere kommunikasjon på denne måten og at det har potensial for bruk i samtale-sammenhenger.”

Teamet vil nå utvide prøven til å inkludere flere deltakere som lider av alvorlig lammelse og kommunikasjonsproblemer. De er også i ferd med å utvide antallet ord i vokabularet og arbeider med å forbedre talehastigheten. 

“Dette er en viktig teknologisk milepæl for en person som ikke kan kommunisere naturlig,” sa Moses, “og det demonstrerer potensialet for denne tilnærmingen til å gi en stemme til mennesker med alvorlig lammelse og taleskade.”