„Neuroprotezavimas“ atkuria paralyžiuojančius žmones

„Neuroprotezavimas“ atkuria paralyžiuojančius žmones

UC San Francisko mokslininkai sėkmingai sukūrė „kalbos neuroprotezą“, leidusį sunkų paralyžių turinčiam vyrui bendrauti sakiniais, iš smegenų į balso traktą nukreiptus signalus tiesiogiai paverčiant žodžiais, kurie ekrane rodomi kaip tekstas.

Pasiekimas, sukurtas bendradarbiaujant su pirmuoju klinikinio tyrimo dalyviu, remiasi daugiau nei dešimtmetį UCSF neurochirurgo medicinos mokslų daktaro Edwardo Chango pastangomis sukurti technologiją, leidžiančią paralyžiuotiems žmonėms bendrauti, net jei jie nesugeba kalbėti savarankiškai. Tyrimas pasirodė liepos 15 d New England Journal of Medicine.

„Mūsų žiniomis, tai yra pirmasis sėkmingas tiesioginių žodžių iškodavimo iš paralyžiuoto ir nemokančio kalbėti žmogaus smegenų veiklos demonstravimas“, - sakė Changas, Joan ir Sanford Weill Neurologinės chirurgijos katedros vedėjas, Jeanne Robertson, Gerbiama profesorė. ir vyresnysis tyrimo autorius. „Tai rodo tvirtą pažadą atkurti bendravimą, pasitelkiant natūralią smegenų kalbos techniką.“

Kiekvienais metais tūkstančiai žmonių praranda gebėjimą kalbėti dėl insulto, nelaimingo atsitikimo ar ligų. Toliau tobulinant, šiame tyrime aprašytas požiūris vieną dieną galėtų padėti šiems žmonėms visiškai bendrauti.

Smegenų signalų vertimas į kalbą

Anksčiau darbas komunikacijos neuroprotezavimo srityje buvo sutelktas į komunikacijos atkūrimą taikant rašybos principus, kad tekstas būtų išrenkamas po vieną. Chango tyrimas skiriasi nuo šių pastangų kritiniu būdu: jo komanda verčia signalus, skirtus valdyti balso sistemos raumenis kalbant žodžius, o ne signalus rankos ar rankos judinimui, kad būtų galima rašyti. Changas teigė, kad šis požiūris pritaikomas natūraliems ir sklandiems kalbos aspektams ir žada greitesnį ir organiškesnį bendravimą.

"Kalbėdami mes paprastai perduodame informaciją labai dideliu greičiu, iki 150 ar 200 žodžių per minutę", - sakė jis ir pažymėjo, kad rašyba, rašymu ir žymeklio valdymu grindžiami rašybos principai yra žymiai lėtesni ir sunkesni. „Eiti tiesiai į žodžius, kaip mes darome čia, turi didelių pranašumų, nes yra arčiau to, kaip mes paprastai kalbame.“

Per pastarąjį dešimtmetį Chang progresą siekiant šio tikslo palengvino UCSF epilepsijos centro pacientai, kuriems buvo atliekama neurochirurgija, kad būtų galima tiksliai nustatyti priepuolių kilmę, naudojant elektrodo matricas, dedamas ant jų smegenų paviršiaus. Šie pacientai, kurių visų kalba buvo normali, pasisiūlė analizuoti smegenų įrašus dėl su kalba susijusios veiklos. Ankstyva šių pacientų savanorių sėkmė atvėrė kelią dabartiniam paralyžiuotų žmonių tyrimui.

Anksčiau Changas ir jo kolegos iš UCSF Weillo neuromokslų instituto atvaizdavo žievės veiklos modelius, susijusius su balso takų judesiais, kurie sukuria kiekvieną priebalsią ir balsį. Kad šias išvadas paverstų kalbų atpažinimu ištisų žodžių, mokslų daktaras Davidas Mosesas, doktorantas inžinierius Chang laboratorijoje ir pagrindinis naujojo tyrimo autorius, sukūrė naujus šių modelių dekodavimo realiuoju laiku metodus ir įtraukė statistiniai kalbos modeliai tikslumui pagerinti.

Tačiau jų sėkmė dekoduojant kalbą mokėjusių dalyvių kalbą negarantavo, kad technologija veiks asmeniui, kurio balso takas yra paralyžiuotas. „Mūsų modeliams reikėjo išmokti susieti kompleksinius smegenų veiklos modelius ir numatytą kalbą“, - sakė Mosesas. „Tai kelia didelį iššūkį, kai dalyvis negali kalbėti“.

Be to, komanda nežinojo, ar smegenų signalai, valdantys balso traktą, vis tiek bus nepažeisti žmonėms, kurie daugelį metų negalėjo judinti balso raumenų. "Geriausias būdas sužinoti, ar tai gali pasiteisinti, buvo išbandyti", - sakė Mozė.

Pirmieji 50 žodžių

Siekdamas ištirti šios technologijos potencialą paralyžiuojantiems pacientams, Chang bendradarbiavo su kolega Karuneshu Ganguly, daktaru, daktaru, neurologijos docentu, kad pradėtų tyrimą, vadinamą „BRAVO“ (rankos smegenų ir kompiuterio sąsajos atstatymas). Balsas). Pirmasis tyrimo dalyvis yra 30-ies metų amžiaus vyras, kuris daugiau nei prieš 15 metų patyrė niokojantį smegenų kamieno insultą, kuris labai pakenkė jo smegenų ir balso takų bei galūnių ryšiui. Nuo traumos jis turėjo labai ribotus galvos, kaklo ir galūnių judesius ir bendrauja naudodamas žymeklį, pritvirtintą prie beisbolo kepurės, norėdamas kišti raides ekrane.

Dalyvis, kuris paprašė būti vadinamas BRAVO1, kartu su tyrėjais sukūrė 50 žodžių žodyną, kurį Chango komanda galėtų atpažinti iš smegenų veiklos naudodama pažangius kompiuterinius algoritmus. Žodyno, į kurį įeina tokie žodžiai kaip „vanduo“, „šeima“ ir „geras“, pakako sukurti šimtams sakinių, išreiškiančių sąvokas, tinkamas BRAVO1 kasdieniam gyvenimui.

Tyrimui Changas chirurginiu būdu implantavo didelio tankio elektrodų masyvą per BRAVO1 kalbos variklio žievę. Po to, kai dalyvis visiškai pasveiko, jo komanda per 22 sesijas ir kelis mėnesius užfiksavo 48 valandų nervų veiklą šiame smegenų regione. Kiekvienos sesijos metu BRAVO1 daug kartų bandė pasakyti kiekvieną iš 50 žodyno žodžių, o elektrodai užfiksavo smegenų signalus iš jo kalbos žievės.

Bandomos kalbos vertimas į tekstą

Norėdami paversti užfiksuoto nervinio aktyvumo modelius konkrečiais numatytais žodžiais, du Mozės bendraautoriai Seanas Metzgeris ir Jessie Liu, abu bioinžinerijos magistrantai Chang laboratorijoje, naudojo įprastus neuroninių tinklų modelius, kurie yra dirbtinio intelekto formos. Kai dalyvis bandė kalbėti, šie tinklai išskyrė subtilius smegenų veiklos modelius, kad aptiktų kalbos bandymus ir nustatytų, kuriuos žodžius jis bandė pasakyti.

Norėdami išbandyti savo požiūrį, komanda pirmiausia pateikė BRAVO1 trumpus sakinius, sukonstruotus iš 50 žodyno žodžių, ir paprašė kelis kartus pabandyti juos pasakyti. Jam bandant, žodžiai buvo iššifruoti pagal jo smegenų veiklą ekrane.

Tada komanda persiorientavo į klausimus, tokius kaip „Kaip tu šiandien?“ ir „Ar norėtumėte vandens?“ Kaip ir anksčiau, ekrane pasirodė bandoma BRAVO1 kalba. „Aš labai gera“ ir „Ne, aš ne ištroškusi“.

Changas ir Mozė nustatė, kad sistema sugebėjo iššifruoti žodžius nuo smegenų veiklos iki 18 žodžių per minutę greičiu iki 93 procentų tikslumo (75 procentų mediana). Prie sėkmės prisidėjo Mozės pritaikytas kalbos modelis, įgyvendinantis „automatinio taisymo“ funkciją, panašią į tą, kurią naudoja vartotojų žinučių rašymo ir kalbos atpažinimo programinė įranga.

Ankstyvuosius teismo rezultatus Mozė apibūdino kaip principo įrodymą. "Mums buvo malonu matyti tikslų įvairių prasmingų sakinių dekodavimą", - sakė jis. „Mes parodėme, kad iš tikrųjų įmanoma tokiu būdu palengvinti bendravimą ir kad jį galima naudoti pokalbio aplinkoje.“

Žvelgdami į ateitį, Changas ir Mosesas pasakys, kad išplės teismo procesą, įtraukdami daugiau dalyvių, kuriuos paveikė sunkus paralyžius ir bendravimo trūkumas. Šiuo metu komanda stengiasi padidinti žodžių skaičių turimame žodynėlyje ir pagerinti kalbos greitį.

Abu teigė, kad nors tyrimas buvo sutelktas į vieną dalyvį ir ribotą žodyną, šie apribojimai nesumenkina pasiekimų. „Tai yra svarbus technologinis etapas asmeniui, kuris negali bendrauti natūraliai, - sakė Mozė, - ir tai parodo šio požiūrio galimybes išreikšti balsą žmonėms, kuriems yra sunkus paralyžius ir kalbos praradimas.