Εκπληκτικό εμφύτευμα εγκεφάλου δίνει φωνή σε άτομα που δεν μπορούσαν να μιλήσουν για χρόνια

Σε δύο ξεχωριστές περιπτώσεις, οι επιστήμονες χρησιμοποίησαν επιτυχώς εμφυτεύματα εγκεφάλου και μηχανική μάθηση για να δώσουν σε ασθενείς τη φωνή τους αφού την είχαν χάσει. Το ένα άτομο έχασε την ικανότητα ομιλίας μετά από εγκεφαλικό, ενώ στο άλλο άτομο ήταν αποτέλεσμα της ανίατης ασθένειας Αμυοτροφικής Πλευρικής Σκλήρυνσης (ALS). Τα δύο αποτελέσματα αυτά μαζί δίνουν ελπίδα για έναν νέο τρόπο επικοινωνίας των ανθρώπων με παράλυση με τον κόσμο γύρω τους.

«Θέλω οι ασθενείς… να με δουν και να ξέρουν ότι η ζωή τους δεν έχει τελειώσει τώρα», γράφει η Ann, η οποία βίωσε το σύνδρομο εγκλωβισμού (locked-in syndrome) μετά από εγκεφαλικό το 2005. «Θέλω να τους δείξω ότι οι αναπηρίες δεν χρειάζεται να μας σταματήσουν ή να μας επιβραδύνουν».

Τα τελευταία χρόνια, έχουν γίνει μεγάλα βήματα στην τεχνολογία διεπαφής εγκεφάλου, αλλά δεν είναι μια λύση που ταιριάζει σε όλους.

Τα ηλεκτρόδια χρησιμοποιούνται για την καταγραφή της νευρικής δραστηριότητας ενός ατόμου ενώ σκέφτεται να εκτελέσει μια συγκεκριμένη εργασία ή ενέργεια. Αυτές οι εγγραφές χρησιμοποιούνται στη συνέχεια για την εκπαίδευση υλικού ή λογισμικού για την εκτέλεση αυτής της εργασίας. για παράδειγμα, ένας προσθετικός βραχίονας θα λυγίσει ως απάντηση σε ένα άτομο που σκέφτεται να λυγίσει το χέρι του.

Ωστόσο, η εγκεφαλική δραστηριότητα κάθε ατόμου είναι διαφορετική, επομένως η εκπαίδευση του μηχανήματος για την αποκωδικοποίηση των νευρικών σημάτων του πρέπει να γίνεται εκ νέου για κάθε ασθενή. Λαμβάνοντας υπόψη ότι η γλώσσα είναι από μόνη της απίστευτα περίπλοκη, δεν είναι καθόλου εύκολο να επιτύχεις μια διεπαφή εγκεφάλου ή νευροπροσθετική, που μπορεί να μεταφράσει τις σκέψεις ενός ατόμου σε προφορικές λέξεις.

Ο νευροχειρουργός Edward Chang του Πανεπιστημίου της Καλιφόρνια στο Σαν Φρανσίσκο και οι συνάδελφοί του ήταν υπεύθυνοι για την αποκατάσταση της ομιλίας της Ann, ενώ ο νευροεπιστήμονας Frank Willett του Πανεπιστημίου Stanford και οι συνεργάτες του αποκατέστησαν την ομιλία στον Pat Bennett, ο οποίος έχασε την ικανότητα ομιλίας λόγω της νόσου του κινητικού νευρώνα ALS. την ίδια κατάσταση που επηρέασε τον αείμνηστο φυσικό, Στίβεν Χόκινγκ.

«Φανταστείτε», γράφει ο Bennett, «πόσο διαφορετική θα είναι η διεξαγωγή καθημερινών δραστηριοτήτων όπως ψώνια, παρακολούθηση ραντεβού, παραγγελίες φαγητού, πηγαίνοντας σε μια τράπεζα, μιλάμε στο τηλέφωνο, έκφραση αγάπης ή εκτίμησης –ακόμα και διαφωνώντας– όταν οι άνθρωποι που δεν μπορούν να μιλήσουν θα μπορούν να επικοινωνούν τις σκέψεις τους σε πραγματικό χρόνο.”

Και οι δύο ομάδες χρησιμοποίησαν παρόμοια μεθοδολογία. Συστοιχίες ηλεκτροδίων εμφυτεύτηκαν στον εγκέφαλο κάθε ασθενή – 128 ηλεκτρόδια στον Bennett και 253 στην Ann.

Στη συνέχεια, ο καθένας υποβλήθηκε στην επίπονη διαδικασία να σκεφτεί να πει διαφορετικές λέξεις και προτάσεις.

Το ρεπερτόριο της Ann αποτελούνταν από 1.024 λέξεις, αλλά σκέφτηκε επίσης να κάνει εκφράσεις προσώπου. Επιπλέον, η τεχνητή νοημοσύνη εκπαιδεύτηκε, όχι να αναγνωρίζει τις λέξεις, αλλά τα φωνήματα – τις βασικές μονάδες ήχου που συνθέτουν λέξεις. Αυτό μείωσε δραματικά τον αριθμό των μονάδων που χρειαζόταν να κατανοήσει η τεχνητή νοημοσύνη.

Η ομάδα χρησιμοποίησε αυτά τα δεδομένα και τις ηχογραφήσεις της Ann που μιλούσε πριν από το εγκεφαλικό της, για να δημιουργήσει ένα εικονικό avatar που μιλάει με τη φωνή της.

Τελικά, μέσω του avatar της, η Ann ήταν σε θέση να επικοινωνεί σχεδόν τόσο γρήγορα όσο και οι άνθρωποι γύρω της.

«Όταν ήμουν στην κλινική αποκατάστασης, η λογοθεραπεύτρια δεν ήξερε τι να κάνει μαζί μου», γράφει. “Το να είμαι μέρος αυτής της μελέτης μου έδωσε μια αίσθηση σκοπού, νιώθω ότι συνεισφέρω στην κοινωνία. Αισθάνομαι ότι έχω ξανά δουλειά. Είναι καταπληκτικό που έζησα τόσο πολύ. Αυτή η μελέτη μου επέτρεψε να ζήσω πραγματικά όσο είμαι ακόμα ζωντανή!”

Ο Bennett, από την άλλη, υποβλήθηκε σε περίπου 100 ώρες εκπαίδευσης που βασίστηκε επίσης σε φωνήματα, επαναλαμβάνοντας προτάσεις που επιλέχθηκαν τυχαία από ένα μεγάλο σύνολο δεδομένων. Το ποσοστό σφάλματος του συστήματος μετά από αυτή την εκπαίδευση, σε ένα λεξιλόγιο 50 λέξεων, είναι μόλις 9,1% και η ομιλία του Bennett αποκωδικοποιείται με ρυθμό περίπου 62 λέξεων ανά λεπτό.

Το ποσοστό σφάλματος με λεξιλόγιο 125.000 λέξεων είναι 23,8%, αλλά οι ερευνητές σημειώνουν ότι αυτή είναι η πρώτη φορά που ένα τόσο μεγάλο λεξιλόγιο δοκιμάζεται με αυτό το είδος τεχνολογίας. Τα αποτελέσματα, συμφωνούν όλοι, είναι εξαιρετικά ελπιδοφόρα.

«Αυτά τα αρχικά αποτελέσματα έχουν αποδείξει την ιδέα και τελικά η τεχνολογία θα φτάσει να το κάνει εύκολα προσβάσιμο σε άτομα που δεν μπορούν να μιλήσουν», γράφει ο Bennett.

«Για όσους δεν μπορούν να μιλήσουν, αυτό σημαίνει ότι θα μπορούν να έχουν επικοινωνία με κόσμο, ίσως να συνεχίσουν να εργάζονται, να διατηρούν φίλους και οικογενειακές σχέσεις».

Η έρευνα δημοσιεύτηκε στο Nature και μπορείτε να τη βρείτε εδώ και εδώ.

Πηγή: sciencealert.com