Τα εγκεφαλικά εμφυτεύματα θα μπορούσαν να αποκαταστήσουν την επικοινωνία για άτομα με παράλυση

Δύο ξεχωριστές μελέτες που δημοσιεύθηκαν

σήμερα

στο

Φύση

δείχνουν ότι, στο μέλλον, οι διεπαφές εγκεφάλου με υπολογιστή (BCI) θα μπορούσαν να βοηθήσουν στην αποκατάσταση της

επικοινωνία

ς για άτομα που δεν μπορούν να μιλήσουν λόγω σοβαρής παράλυσης. Και στις δύο μελέτες, οι ερευνητές χρησιμοποίησαν εγκεφαλικά εμφυτεύματα που μπορούσαν να λάβουν εγκεφαλικά σήματα, τα οποία στη συνέχεια μεταφράστηκαν σε προτάσεις σε μια οθόνη χρησιμοποιώντας αλγόριθμους. Αν και αυτό δεν είναι μια νέα ιδέα, το συναρπαστικό είναι ότι και οι δύο ερευνητικές ομάδες μπόρεσαν να το κάνουν πολύ πιο γρήγορα και με μεγαλύτερη ακρίβεια από τις υπάρχουσες τεχνολογίες.

Στο

μελέτη από το Στάνφορντ

οι ερευνητές εμφύτευσαν ηλεκτρόδια στον εγκέφαλο ενός ασθενούς με

αμυοτροφική πλευρική σκλήρυνση

(ALS) σε δύο τομείς που σχετίζονται με την ομιλία. Το BCI σχεδιάστηκε για να ανιχνεύει την εγκεφαλική δραστηριότητα όταν ο ασθενής προσπαθούσε να μιλήσει. Αυτά τα σήματα στη συνέχεια τροφοδοτήθηκαν σε έναν αλγόριθμο που συνέδεε ορισμένα μοτίβα εγκεφαλικής δραστηριότητας με φωνήματα – τους ήχους που συνθέτουν την ομιλία. Για να εκπαιδεύσουν τον αλγόριθμο, οι ερευνητές ζήτησαν από τον ασθενή να το κάνει


να φωνάξετε ή να πείτε σιωπηλά δείγματα προτάσεων σε 25 συνεδρίες διάρκειας περίπου τεσσάρων ωρών η καθεμία.

Στο

Μελέτη UC San Francisco και UC Berkeley

, οι ερευνητές τοποθέτησαν χειρουργικά ένα φύλλο λεπτού χαρτιού που περιείχε 253 ηλεκτρόδια στον εγκέφαλο ενός ατόμου με σοβαρή παράλυση από εγκεφαλικό στέλεχος. Όπως και η μελέτη του Στάνφορντ, οι ερευνητές έβαλαν τον ασθενή να εκπαιδεύσει τον αλγόριθμο προσπαθώντας να μιλήσει, ώστε να μπορεί να αναγνωρίσει ποια εγκεφαλικά σήματα σχετίζονται με διαφορετικά φωνήματα. Αυτά τα σήματα στη συνέχεια μεταφράστηκαν σε εκφράσεις του προσώπου και διαμορφώθηκαν ομιλία σε ένα ψηφιακό

avatar

.

Ενώ οι μελέτες χρησιμοποίησαν ελαφρώς διαφορετικές προσεγγίσεις, τα αποτελέσματα ήταν παρόμοια όσον αφορά την ακρίβεια και την ταχύτητα. Η μελέτη του Στάνφορντ είχε ποσοστό σφάλματος 9,1 τοις εκατό όταν περιοριζόταν σε λεξιλόγιο 50 λέξεων και 23,8 τοις εκατό όταν επεκτάθηκε σε λεξιλόγιο 125.000 λέξεων. Μετά από περίπου τέσσερις μήνες, ο αλγόριθμος του Στάνφορντ μπορούσε να μετατρέψει τα εγκεφαλικά σήματα σε λέξεις με περίπου 68 λέξεις ανά λεπτό. Ο αλγόριθμος UC San Francisco and Berkeley μπόρεσε να αποκωδικοποιήσει με μέσο ρυθμό 78 wpm. Είχε ένα ποσοστό σφάλματος 8,2 τοις εκατό για ένα λεξιλόγιο 119 λέξεων και περίπου ένα ποσοστό λάθους 25 τοις εκατό για ένα λεξιλόγιο 1.024 λέξεων.

Αν και ένα ποσοστό σφάλματος 23 έως 25 τοις εκατό δεν είναι αρκετά καλό για καθημερινή χρήση, είναι μια σημαντική βελτίωση σε σχέση με την υπάρχουσα τεχνολογία. Σε μια ενημέρωση τύπου, ο Edward Chang, πρόεδρος της νευρολογικής χειρουργικής στο UCSF και συν-συγγραφέας της μελέτης UCSF, σημείωσε ότι ο αποτελεσματικός ρυθμός επικοινωνίας για την υπάρχουσα τεχνολογία είναι «επαχθής» στα πέντε έως 15 wpm σε σύγκριση με τα 150 έως 250 wpm για τα φυσικά ομιλία.

«Τα 60 έως 70 wpm είναι ένα πραγματικό ορόσημο για τον τομέα μας γενικά, επειδή προέρχεται από δύο διαφορετικά κέντρα και δύο διαφορετικές προσεγγίσεις», είπε ο Chang στην ενημέρωση.

Τούτου λεχθέντος, αυτές οι μελέτες είναι περισσότερο απόδειξη της ιδέας παρά μια τεχνολογία που είναι έτοιμη για την πρώτη στιγμή. Ένα πιθανό ζήτημα είναι ότι αυτές οι θεραπείες απαιτούν μεγάλες συνεδρίες για την εκπαίδευση του αλγόριθμου. Ωστόσο, ερευνητές και από τις δύο ομάδες δήλωσαν στον Τύπο σε μια ενημέρωση ότι ήταν αισιόδοξοι ότι η εκπαίδευση αλγορίθμων θα ήταν λιγότερο εντατική στο μέλλον.

«Αυτές είναι πολύ πρώιμες μελέτες και δεν έχουμε μεγάλη βάση δεδομένων με δεδομένα από άλλους ανθρώπους. Καθώς κάνουμε περισσότερες από αυτές τις εγγραφές και λαμβάνουμε περισσότερα δεδομένα, θα πρέπει να είμαστε σε θέση να μεταφέρουμε ό,τι μαθαίνουν οι αλγόριθμοι από άλλους ανθρώπους σε νέους ανθρώπους», λέει ο Frank Willett, ερευνητής στο Ιατρικό Ινστιτούτο Howard Hughes και συν-συγγραφέας του Stanford. μελέτη. Ωστόσο, ο Willett σημείωσε ότι αυτό δεν ήταν εγγυημένο και χρειαζόταν περισσότερη έρευνα.

Ένα άλλο ζήτημα είναι ότι η τεχνολογία πρέπει να είναι αρκετά εύκολη για να τη χρησιμοποιούν οι άνθρωποι στο σπίτι, χωρίς να απαιτείται από τους φροντιστές να περάσουν από περίπλοκη εκπαίδευση. Τα εμφυτεύματα εγκεφάλου είναι επίσης επεμβατικά και σε αυτές τις συγκεκριμένες μελέτες, το BCI έπρεπε να συνδεθεί μέσω καλωδίων σε μια συσκευή στο εξωτερικό του


κρανίο που στη συνέχεια προσαρτήθηκε σε υπολογιστή. Υπάρχουν επίσης ανησυχίες σχετικά με την υποβάθμιση των ηλεκτροδίων και το γεγονός ότι αυτές μπορεί να μην είναι μόνιμες λύσεις. Για να φτάσετε στην καταναλωτική χρήση, η τεχνολογία θα πρέπει να ελεγχθεί αυστηρά, κάτι που μπορεί να είναι μια χρονοβόρα και δαπανηρή διαδικασία.

Επιπλέον

, οι μελέτες διεξήχθησαν σε ασθενείς που είχαν ακόμη κάποια παρατεταμένη ικανότητα κίνησης. Ορισμένες νευρολογικές παθήσεις, όπως το ALS στο τελευταίο στάδιο, μπορεί να οδηγήσουν σε αυτό που ονομάζεται “

σύνδρομο εγκλεισμού

.» Σε αυτή την κατάσταση, ένα άτομο εξακολουθεί να έχει την ικανότητα να σκέφτεται, να βλέπει και να ακούει, αλλά μπορεί να επικοινωνήσει μόνο αν ανοιγοκλείνει τα

μάτια

του ή άλλες μικρές κινήσεις. Τα άτομα με σύνδρομο κλειδώματος έχουν μεγαλύτερη ανάγκη από αυτό το είδος τεχνολογίας, αλλά χρειάζεται περισσότερη έρευνα για να διαπιστωθεί εάν αυτή η μέθοδος θα ήταν αποτελεσματική.

“Έχουμε ξεπεράσει ένα όριο απόδοσης για το οποίο είμαστε και οι δύο πραγματικά ενθουσιασμένοι επειδή ξεπερνά το όριο της χρηστικότητας”, λέει ο Chang, σημειώνοντας ότι τα πιθανά οφέλη αυτής της τεχνολογίας είναι τεράστια εάν μπορεί να εφαρμοστεί με ασφάλεια και ευρέως. «Το σκεφτόμαστε πολύ σοβαρά και ποια είναι τα επόμενα βήματα».