‘Tal Neuroprotes’ Teknologi Återställer Tal För Patient Med Svår Paralysering

I en annan stor utveckling inom artificiell intelligens (AI) proteser, har forskare vid University of California San Francisco framgångsrikt utvecklat en “tal neuroprotes” som delvis återställt tal för en man med svår paralysering. Den nya tekniken hjälpte honom att tala i meningar när den översatte signaler från hans hjärna till struphuvudet. Orden visas sedan som text på en skärm. 

Arbetet innefattade den första deltagaren i en klinisk forskningsstudie, och det var en del av ett större arbete som pågått i över tio år av UCSF neurokirurg Edward Chang, MD, som har försökt utveckla en teknik som möjliggör för människor med paralysering att kommunicera även när de inte kan tala på egen hand. 

Studien publicerades den 15 juli i New England Journal of Medicine. 

Det Första Systemet Av Sitt Slag

Chang är Joan och Sanford Weill-stol i neurokirurgi vid UCSF och Jeanne Robertson Distinguished Professor. Han är också senior författare till studien. 

“Såvitt vi vet, är detta den första lyckade demonstrationen av direkt avkodning av fullständiga ord från hjärnaktiviteten hos någon som är förlamad och inte kan tala”, sa Chang. “Det visar starka löften att återställa kommunikation genom att utnyttja hjärnans naturliga talsmaskineri.”

Arbetet inom detta område kretsar traditionellt kring att återställa kommunikation genom stavningsbaserade tillvägagångssätt för att skriva ut bokstäver en efter en i text. Men den nya studien fokuserar på att översätta signaler som faktiskt är avsedda att kontrollera musklerna i talapparaten för att tala ord. Detta skiljer sig från det traditionella arbetet, som fokuserar på signalerna som flyttar armen eller handen. 

Enligt Chang utnyttjar den nya tillvägagångssättet de naturliga och flytande aspekterna av tal, och det kan leda till långt fler framsteg inom detta område. Han sa också att stavningsbaserade tillvägagångssätt som förlitar sig på skrivning, skrivning och kontroll av en markör är långsammare. 

“Med tal kommunicerar vi vanligtvis information i en mycket hög takt, upp till 150 eller 200 ord per minut”, sa han. “Att gå direkt till ord, som vi gör här, har stora fördelar eftersom det är närmare hur vi vanligtvis talar.”

Changs tidigare arbete byggde på patienter vid UCSF Epilepsicenter som genomgick neurokirurgi för att upptäcka vad som orsakade deras anfall, och det använde elektrodelarray som placerades på ytan av patienternas hjärnor. Patienterna hade normalt tal, och resultaten hjälpte till att leda till den nuvarande studien för personer med paralysering. 

Några av de nya metoderna som utvecklats av teamet inkluderade ett sätt att avkoda kortikala aktivitetsmönster och statistiskt språk för att förbättra noggrannheten. 

David Moses, PhD, är en postdoktorand i Chang Lab och en av de ledande författarna.

“Våra modeller behövde lära sig kartläggningen mellan komplexa hjärnaktivitetsmönster och avsett tal”, sa Moses. “Det utgör en stor utmaning när deltagaren inte kan tala.”

Den Första Deltagaren

Studiens första deltagare var en man i slutet av 30-årsåldern som drabbats av en hjärnstamsstroke för över 15 år sedan som lämnade förbindelsen mellan hans hjärna och struphuvud och lemmar allvarligt skadad. 

Genom att utveckla ett 50-ordigt ordförråd som Changs team kunde använda avancerade datoralgoritmer för att känna igen, kunde deltagaren skapa hundratals meningar som uttryckte dagliga livskoncept. 

Han var tvungen att ha en högdensitets-elektrodelarray implanterad över sitt talmotorcortex, och efter hans återhämtning registrerades över 22 timmars neural aktivitet i detta hjärnområde under 48 sessioner. 

Sean Metzger, MS och Jessie Liu, BS, är båda bioingenjörsdoktorander i Chang Lab och var ansvariga för att utveckla anpassade neurala nätverksmodeller som kunde översätta mönster av registrerad neural aktivitet till specifika avsedda ord. 

Efter testet fann teamet att systemet kunde avkoda ord från hjärnaktivitet i en takt på upp till 18 ord per minut, och det var 93 procent korrekt. Teamet tillämpade en “auto-korrigera” funktion på språkmodellen, vilket hjälpte till att förbättra noggrannheten.

“Vi var glada att se den korrekta avkodningen av en mängd meningsfulla meningar”, sa Moses. “Vi har visat att det faktiskt är möjligt att underlätta kommunikation på detta sätt och att det har potential för användning i konversationsinställningar.”

Teamet kommer nu att utöka studien till att omfatta fler deltagare som lider av svår paralysering och kommunikationsproblem. De utökar också antalet ord i ordförrådet och arbetar med att förbättra taltakten. 

“Detta är en viktig teknisk milstolpe för en person som inte kan kommunicera naturligt”, sa Moses, “och det visar potentialen för detta tillvägagångssätt att ge en röst till människor med svår paralysering och talförlust.”