Technologia “speech neuroprosthesis” przywraca mowę pacjentowi z ciężką paraliżem

W kolejnym dużym rozwoju w dziedzinie sztucznej inteligencji (AI) protezy, naukowcy z University of California San Francisco opracowali z powodzeniem “speech neuroprosthesis”, który częściowo przywrócił mowę mężczyźnie z ciężką paraliżem. Nowa technologia pomogła mu mówić w zdaniach, gdy tłumaczyła sygnały z jego mózgu na torbie głosowej. Słowa pojawiły się jako tekst na ekranie.

Praca ta była pierwszym uczestnikiem klinicznego badania, a była częścią większego zbioru prac, które trwały przez ponad dziesięć lat pod kierunkiem neurochirurga UCSF Edwarda Changa, MD, który próbował opracować technologię, która umożliwiłaby ludziom z paraliżem komunikację, nawet gdy nie są w stanie mówić samodzielnie.

Badanie zostało opublikowane 15 lipca w New England Journal of Medicine.

Pierwszy system tego rodzaju

Chang jest Joan i Sanford Weill Chair of Neurological Surgery w UCSF i Jeanne Robertson Distinguished Professor. Jest również seniorem autorem badania.

“Według naszej wiedzy, jest to pierwsza udana demonstracja bezpośredniego odkodowania pełnych słów z aktywności mózgu kogoś, kto jest sparaliżowany i nie może mówić”, powiedział Chang. “Pokazuje silną obietnicę przywrócenia komunikacji, korzystając z naturalnych mechanizmów mowy mózgu”.

Prace w tej dziedzinie tradycyjnie koncentrują się na przywróceniu komunikacji za pomocą podejść opartych na pisaniu, aby napisać litery jeden po drugim w tekście. Jednak nowe badanie koncentruje się na tłumaczeniu sygnałów, które są rzeczywiście przeznaczone do kontrolowania mięśni układu głosowego do mówienia słów. Jest to różne od tradycyjnych prac, które koncentrują się na sygnałach, które poruszają ręką lub nogą.

Według Changa, nowe podejście wykorzystuje naturalne i płynne aspekty mowy i może prowadzić do znacznych postępów w tej dziedzinie. Powiedział również, że podejścia oparte na pisaniu, które polegają na pisaniu, pisaniu i kontrolowaniu kursora, są znacznie wolniejsze.

“Z mową, zwykle komunikujemy informacje w bardzo wysokiej szybkości, do 150 lub 200 słów na minutę”, powiedział. “Idąc prosto do słów, jak to robimy tutaj, ma wiele zalet, ponieważ jest bliżej tego, jak zwykle mówimy”.

Poprzednie prace Changa opierały się na pacjentach w UCSF Epilepsy Center, którzy przechodzili neurochirurgię w celu wykrycia przyczyn ich drgawek, i wykorzystywały tablice elektrod umieszczonych na powierzchni mózgu pacjentów. Pacjenci mieli normalną mowę, a wyniki pomogły doprowadzić do bieżącego badania dla osób z paraliżem.

Niektóre z nowych metod opracowanych przez zespół obejmowały sposób odkodowania wzorców aktywności korowej i statystycznego języka, aby poprawić dokładność.

David Moses, PhD, jest inżynierem postdoktoranckim w laboratorium Changa i jednym z wiodących autorów.

“Nasze modele musiały nauczyć się mapowania pomiędzy złożonymi wzorcami aktywności mózgu a zamierzoną mową”, powiedział Moses. “To stanowi duże wyzwanie, gdy uczestnik nie może mówić”.

Pierwszy uczestnik

Pierwszym uczestnikiem badania był mężczyzna w późnych latach trzydziestych, który przed ponad 15 laty doznał udaru mózgu, który uszkodził połączenie między jego mózgiem a torbą głosową i kończynami.

Poprzez opracowanie słownictwa 50 słów, które zespół Changa mógł wykorzystać zaawansowane algorytmy komputerowe do rozpoznania, uczestnik był w stanie utworzyć setki zdań wyrażających codzienne pojęcia.

Wymagane było, aby miał implantowany gęsty array elektrod nad jego korą ruchową mowy, a po jego wyzdrowieniu, przez 22 godziny aktywności neuronalnej w tym obszarze mózgu zostało zarejestrowane w 48 sesjach.

Sean Metzger, MS i Jessie Liu, BS, są doktorantami bioinżynierii w laboratorium Changa i byli odpowiedzialni za opracowanie niestandardowych modeli sieci neuronowych, które mogły przetłumaczyć wzorce zarejestrowanej aktywności neuronalnej na konkretnie zamierzone słowa.

Po teście zespół stwierdził, że system mógł odkodować słowa z aktywności mózgu w tempie do 18 słów na minutę i był 93 procent dokładny. Zespół zastosował funkcję “auto-korektę” do modelu językowego, co pomogło poprawić dokładność.

“Byliśmy zachwyceni, widząc dokładne odkodowanie różnych znaczących zdań”, powiedział Moses. “Pokazaliśmy, że jest to możliwe, aby ułatwić komunikację w ten sposób i że ma potencjał do zastosowania w sytuacjach rozmów”.

Zespół teraz rozszerzy badanie, aby objąć więcej uczestników cierpiących na ciężką paraliż i problemy z komunikacją. Pracują również nad zwiększeniem liczby słów w słownictwie i poprawieniem tempa mowy.

“Jest to ważny kamień milowy technologiczny dla osoby, która nie może komunikować się naturalnie”, powiedział Moses, “i pokazuje potencjał dla tego podejścia, aby dać głos ludziom z ciężką paraliżem i utratą mowy”.