'Neuroproteza' čovjeku s paralizom vraća riječi

'Neuroproteza' čovjeku s paralizom vraća riječi

Istraživači s UC San Francisco uspješno su razvili "govornu neuroprotezu" koja je čovjeku s teškom paralizom omogućila komunikaciju rečenicama, prevodeći signale iz njegovog mozga u vokalni trakt izravno u riječi koje se pojavljuju kao tekst na ekranu.

Postignuće, koje je razvijeno u suradnji s prvim sudionikom pokusa kliničkog istraživanja, temelji se na više od desetljeća napora neurokirurga UCSF-a Edwarda Chang-a, dr. Med., Da razvije tehnologiju koja omogućava osobama s paralizom da komuniciraju čak i ako nisu u mogućnosti da govore sami. Studija se pojavljuje 15. srpnja u New England Journal of Medicine.

"Prema našim saznanjima, ovo je prva uspješna demonstracija izravnog dekodiranja punih riječi iz moždane aktivnosti nekoga tko je paraliziran i ne može govoriti", rekla je Chang, katedra za neurološku kirurgiju Joan i Sanford Weill, UCSF, uvažena profesorica Jeanne Robertson , i viši autor studije. "Pokazuje snažno obećanje da će obnoviti komunikaciju prisluškivanjem prirodne govorne mehanizacije mozga."

Svake godine tisuće ljudi izgube sposobnost govora zbog moždanog udara, nesreće ili bolesti. Daljnjim razvojem, pristup opisan u ovoj studiji mogao bi jednog dana omogućiti tim ljudima da u potpunosti komuniciraju.

Prevođenje moždanih signala u govor

Prije toga, rad na polju komunikacijske neuroprotetike bio je usmjeren na obnavljanje komunikacije pristupima temeljenim na pravopisu kako bi se jedno po jedno slovo upisivalo u tekst. Changova studija razlikuje se od ovih napora na kritičan način: njegov tim prevodi signale namijenjene kontroli mišića glasovnog sustava za izgovaranje riječi, umjesto signala za pomicanje ruke ili šake kako bi omogućio tipkanje. Chang je rekao da se ovaj pristup uklapa u prirodne i fluidne aspekte govora te obećava bržu i organsku komunikaciju.

"Govorom obično komuniciramo informacijama vrlo velikom brzinom, do 150 ili 200 riječi u minuti", rekao je, napominjući da su pristupi temeljeni na pravopisu pomoću tipkanja, pisanja i upravljanja kursorom znatno sporiji i zahtjevniji. "Prelazak na riječi, kao što to radimo ovdje, ima velike prednosti jer je bliži načinu na koji inače govorimo."

Tijekom proteklog desetljeća Changovom napretku prema tom cilju olakšali su pacijenti u UCSF centru za epilepsiju koji su bili podvrgnuti neurokirurškoj intervenciji kako bi precizno utvrdili podrijetlo napadaja pomoću elektroda postavljenih na površinu njihovog mozga. Ti su se pacijenti, svi koji su imali normalan govor, javili da im se analiziraju snimke mozga na govornu aktivnost. Rani uspjeh s ovim strpljivim dobrovoljcima otvorio je put tekućem ispitivanju ljudima s paralizom.

Prije toga, Chang i kolege s Instituta za neuroznanosti UCSF Weill mapirali su obrasce kortikalne aktivnosti povezane s pokretima vokalnog trakta koji proizvode svaki suglasnik i samoglasnik. Kako bi ta saznanja pretočio u prepoznavanje govora punih riječi, dr. David Moses, postdoktorski inženjer u laboratoriju Chang i vodeći autor nove studije, razvio je nove metode za dekodiranje tih obrazaca u stvarnom vremenu, kao i uključivanje statistički jezični modeli za poboljšanje točnosti.

Ali njihov uspjeh u dekodiranju govora kod sudionika koji su mogli govoriti nije jamčio da će tehnologija raditi kod osobe čiji je glasni trakt paraliziran. "Naši su modeli morali naučiti mapiranje između složenih obrazaca moždane aktivnosti i namjeravanog govora", rekao je Moses. "To predstavlja glavni izazov kad sudionik ne može govoriti."

Uz to, tim nije znao hoće li moždani signali koji kontroliraju glasovni trakt i dalje biti netaknuti za ljude koji već dugi niz godina ne mogu pokretati svoje glasnice. "Najbolji način da otkrijemo bi li ovo moglo uspjeti bilo je isprobati", rekao je Moses.

Prvih 50 riječi

Kako bi istražio potencijal ove tehnologije kod pacijenata s paralizom, Chang se udružio s kolegom dr. Karunesh Ganguly, izvanrednim profesorom neurologije, kako bi pokrenuo studiju poznatu pod nazivom "BRAVO" (Brain-Computer Interface Restoration of Arm and Glas). Prvi sudionik suđenja je muškarac u kasnim 30-ima koji je prije više od 15 godina pretrpio razorni moždani udar koji je ozbiljno oštetio vezu između njegovog mozga i vokalnog trakta i udova. Od svoje ozljede imao je izuzetno ograničene pokrete glave, vrata i udova, a komunicira pomoću pokazivača pričvršćenog na bejzbolsku kapu za izbacivanje slova na ekranu.

Sudionik, koji je tražio da ga se naziva BRAVO1, radio je s istraživačima kako bi stvorio rječnik od 50 riječi koji bi Changov tim mogao prepoznati iz moždane aktivnosti pomoću naprednih računalnih algoritama. Rječnik - koji uključuje riječi poput „voda“, „obitelj“ i „dobar“ - bio je dovoljan da stvori stotine rečenica koje izražavaju koncepte primjenjive na svakodnevni život BRAVO1.

Za istraživanje, Chang je kirurški implantirao niz elektroda visoke gustoće preko BRAVO1-ovog govornog motornog korteksa. Nakon potpunog oporavka sudionika, njegov je tim zabilježio 22 sata neuronske aktivnosti u ovoj regiji mozga tijekom 48 sesija i nekoliko mjeseci. U svakoj je sesiji BRAVO1 pokušao izgovoriti svaku od 50 riječi iz rječnika mnogo puta dok su elektrode bilježile moždane signale iz njegovog govornog korteksa.

Prevođenje pokušaja govora u tekst

Da bi obrasce zabilježene neuronske aktivnosti pretočili u određene zamišljene riječi, Mosesova su dvojica vodećih autora, Sean Metzger i Jessie Liu, obojica diplomirani studenti bioinženjeringa u laboratoriju Chang, koristili su prilagođene modele neuronskih mreža, koji su oblici umjetne inteligencije. Kad je sudionik pokušao govoriti, ove su mreže razlikovale suptilne obrasce u moždanoj aktivnosti kako bi otkrile pokušaje govora i utvrdile koje riječi pokušava izgovoriti.

Kako bi testirao njihov pristup, tim je prvo predstavio BRAVO1 kratke rečenice izrađene od 50 riječi iz rječnika i zamolio ga da ih pokuša izgovoriti nekoliko puta. Dok je pokušavao, riječi su se dekodirale iz njegove moždane aktivnosti, jedna po jedna, na ekranu.

Tada se tim prebacio na to da ga potaknu na pitanja poput "Kako si danas?" i "Želite li malo vode?" Kao i prije, pokušaj govora BRAVO1 pojavio se na ekranu. "Vrlo sam dobar" i "Ne, nisam žedan."

Chang i Moses otkrili su da je sustav uspio dekodirati riječi iz moždane aktivnosti brzinom do 18 riječi u minuti s preciznošću do 93 posto (medijan 75 posto). Uspjehu je pridonio jezični model koji je primijenio Moses koji je implementirao funkciju "automatskog ispravljanja", sličnu onoj koju koristi potrošački softver za slanje poruka i prepoznavanje govora.

Moses je rane rezultate ispitivanja okarakterizirao kao načelan dokaz. "Oduševili smo se kad smo vidjeli točno dekodiranje raznih značajnih rečenica", rekao je. "Pokazali smo da je zapravo moguće olakšati komunikaciju na ovaj način i da ona ima potencijal za upotrebu u razgovornim postavkama."

Veseleći se, Chang i Moses rekli su da će proširiti suđenje tako da obuhvate više sudionika pogođenih ozbiljnom paralizom i komunikacijskim deficitima. Tim trenutno radi na povećanju broja riječi u dostupnom rječniku, kao i na poboljšanju brzine govora.

Oboje su rekli da, iako se studija usredotočila na jednog sudionika i ograničen rječnik, ta ograničenja ne umanjuju postignuće. "Ovo je važna tehnološka prekretnica za osobu koja ne može prirodno komunicirati", rekao je Moses, "i pokazuje potencijal da ovaj pristup daje glas ljudima s teškom paralizom i gubitkom govora."