Βρείτε μας στο Google News. Πατήστε εδώ!Ένα προσθετικό λόγου που αναπτύχθηκε από μια συνεργατική ομάδα νευροεπιστημόνων, νευροχειρουργών και μηχανικών του Duke μπορεί να μεταφράσει τα εγκεφαλικά σήματα ενός ατόμου σε αυτό που προσπαθούν να πουν. Η νέα τεχνολογία, “High-resolution Neural Recordings Improve the Accuracy of Speech Decoding”, που εμφανίζεται στο Nature Communications, θα μπορούσε κάποια μέρα να βοηθήσει τους ανθρώπους που δεν μπορούν να μιλήσουν λόγω νευρολογικών διαταραχών να αποκτήσουν ξανά την ικανότητα επικοινωνίας μέσω μιας διεπαφής εγκεφάλου-υπολογιστή.
«Υπάρχουν πολλοί ασθενείς που υποφέρουν από εξουθενωτικές κινητικές διαταραχές, όπως η ALS (αμυοτροφική πλευρική σκλήρυνση) ή το σύνδρομο lock-in, που μπορεί να βλάψουν την ικανότητά τους να μιλούν», δήλωσε ο Gregory Cogan, Ph.D., καθηγητής νευρολογίας στο Πανεπιστήμιο Duke. Ιατρικής Σχολής και ένας από τους κύριους ερευνητές που συμμετείχαν στο έργο. “Αλλά τα τρέχοντα διαθέσιμα εργαλεία που τους επιτρέπουν να επικοινωνούν είναι γενικά πολύ αργά και δυσκίνητα.”
Φανταστείτε να ακούτε ένα ηχητικό βιβλίο με μισή ταχύτητα. Αυτός είναι ο καλύτερος διαθέσιμος ρυθμός αποκωδικοποίησης ομιλίας, ο οποίος είναι περίπου 78 λέξεις ανά λεπτό. Οι άνθρωποι, ωστόσο, μιλούν περίπου 150 λέξεις το λεπτό. Η υστέρηση μεταξύ προφορικών και αποκωδικοποιημένων ρυθμών ομιλίας οφείλεται εν μέρει στους σχετικά λίγους αισθητήρες εγκεφαλικής δραστηριότητας που μπορούν να συγχωνευθούν σε ένα λεπτό κομμάτι υλικού που βρίσκεται στην επιφάνεια του εγκεφάλου. Λιγότεροι αισθητήρες παρέχουν λιγότερες πληροφορίες που μπορούν να αποκρυπτογραφηθούν για αποκωδικοποίηση.
Για να βελτιώσει τους περιορισμούς του παρελθόντος, ο Cogan συνεργάστηκε με τον συνάδελφο του Duke Institute for Brain Sciences, Ph.D., Jonathan Viventi, του οποίου το εργαστήριο βιοϊατρικής μηχανικής ειδικεύεται στην κατασκευή υψηλής πυκνότητας, εξαιρετικά λεπτών και ευέλικτων αισθητήρων εγκεφάλου. Για αυτό το έργο, ο Viventi και η ομάδα του συσκεύασαν εντυπωσιακούς 256 μικροσκοπικούς αισθητήρες εγκεφάλου σε ένα κομμάτι εύκαμπτου πλαστικού ιατρικής ποιότητας, μεγέθους γραμματοσήμου.
Οι νευρώνες που απέχουν μόνο έναν κόκκο άμμου μπορεί να έχουν πολύ διαφορετικά μοτίβα δραστηριότητας όταν συντονίζουν την ομιλία. Επομένως είναι απαραίτητο να διακρίνουμε τα σήματα από τα γειτονικά εγκεφαλικά κύτταρα για να βοηθήσουμε να κάνουμε ακριβείς προβλέψεις σχετικά με την προβλεπόμενη ομιλία. Μετά την κατασκευή του νέου εμφυτεύματος, ο Cogan και ο Viventi συνεργάστηκαν με αρκετούς νευροχειρουργούς του Πανεπιστημιακού Νοσοκομείου Duke, συμπεριλαμβανομένων των Derek Southwell, M.D., Ph.D., Nandan Lad, M.D., Ph.D. και Allan Friedman, M.D..
Το πείραμα απαιτούσε από τους ερευνητές να τοποθετήσουν τη συσκευή προσωρινά σε ασθενείς που υποβάλλονταν σε χειρουργική επέμβαση στον εγκέφαλο για κάποια άλλη πάθηση, όπως η θεραπεία της νόσου του Πάρκινσον ή η αφαίρεση όγκου. Ο χρόνος ήταν περιορισμένος για τον Cogan και την ομάδα του να δοκιμάσουν τη συσκευή τους στο OR. «Μου αρέσει να το συγκρίνω με ένα πλήρωμα pit NASCAR», είπε ο Cogan. «Δεν θέλουμε να προσθέσουμε επιπλέον χρόνο στη χειρουργική διαδικασία, οπότε έπρεπε να είμαστε μέσα και έξω μέσα σε 15 λεπτά. Μόλις ο χειρουργός και η ιατρική ομάδα είπαν “Πηγαίνετε!” βιάσαμε στη δράση και ο ασθενής εκτέλεσε το έργο».
Η εργασία ήταν μια απλή δραστηριότητα ακρόασης και επανάληψης. Οι συμμετέχοντες άκουσαν μια σειρά από ανόητες λέξεις, όπως «ava», «kug» ή «vip» και μετά μίλησαν η καθεμία δυνατά. Η συσκευή κατέγραψε δραστηριότητα από τον κινητικό φλοιό της ομιλίας κάθε ασθενούς καθώς συντόνιζε σχεδόν 100 μύες που κινούν τα χείλη, τη γλώσσα, τη γνάθο και τον λάρυγγα. Στη συνέχεια, ο Suseendrakumar Duraivel, ο πρώτος συγγραφέας της νέας έκθεσης και μεταπτυχιακός φοιτητής βιοϊατρικής μηχανικής στο Duke, πήρε τα νευρωνικά δεδομένα και τα δεδομένα ομιλίας από τη σουίτα χειρουργικών επεμβάσεων.
Τα τροφοδότησε σε έναν αλγόριθμο μηχανικής μάθησης για να δει με πόσο ακρίβεια μπορούσε να προβλέψει τον ήχο. έγινε, με βάση μόνο τις καταγραφές εγκεφαλικής δραστηριότητας. Για ορισμένους ήχους και συμμετέχοντες, όπως το /g/ στη λέξη “gak”, ο αποκωδικοποιητής το πήρε σωστά στο 84% των περιπτώσεων όταν ήταν ο πρώτος ήχος σε μια χορδή των τριών που συνιστούσε μια δεδομένη ανοησία λέξη. Ωστόσο, η ακρίβεια έπεσε, καθώς ο αποκωδικοποιητής ανέλυε ήχους στη μέση ή στο τέλος μιας ανόητης λέξης. Δυσκολευόταν επίσης αν δύο ήχοι ήταν παρόμοιοι, όπως /p/ και /b/.
Συνολικά, ο αποκωδικοποιητής ήταν ακριβής στο 40% των περιπτώσεων. Αυτό μπορεί να φαίνεται σαν μια ταπεινή βαθμολογία δοκιμής. Αλλά ήταν αρκετά εντυπωσιακό δεδομένου ότι παρόμοια τεχνικά επιτεύγματα εγκεφάλου σε ομιλία απαιτούν δεδομένα ωρών ή ημερών για να αντληθούν από αυτά. Ο αλγόριθμος αποκωδικοποίησης ομιλίας που χρησιμοποιούσε ο Duraivel, ωστόσο, λειτουργούσε με μόνο 90 δευτερόλεπτα προφορικών δεδομένων από το τεστ διάρκειας 15 λεπτών. Ο Duraivel και οι μέντοράς του είναι ενθουσιασμένοι που φτιάχνουν τώρα μια ασύρματη έκδοση της συσκευής.
“Τώρα αναπτύσσουμε το ίδιο είδος συσκευών εγγραφής, αλλά χωρίς καλώδια”, είπε ο Cogan. «Θα μπορούσατε να μετακινηθείτε και δεν θα χρειαστεί να είστε δεμένοι σε μια πρίζα, κάτι που είναι πραγματικά συναρπαστικό». Ενώ το έργο τους είναι ενθαρρυντικό, υπάρχει ακόμη πολύς δρόμος για να βγει στα ράφια ο προσθετικός ομιλίας της Viventi και του Cogan σύντομα. «Είμαστε στο σημείο όπου είναι ακόμα πολύ πιο αργή από τη φυσική ομιλία», είπε ο Viventi σε ένα πρόσφατο άρθρο του περιοδικού Duke σχετικά με την τεχνολογία, «αλλά μπορείτε να δείτε την τροχιά όπου μπορείτε να φτάσετε εκεί».
