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

Δύο ξεχωριστές μελέτες που δημοσιεύθηκαν στο Nature δείχνουν ότι, στο μέλλον, οι διεπαφές εγκεφάλου με υπολογιστή (BCI) θα μπορούσαν να βοηθήσουν στην αποκατάσταση της επικοινωνίας 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.

Στη 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 προσπαθήσει να τα πει ή να πει σιωπηλά δείγματα προτάσεων σε 25 συνεδρίες διάρκειας περίπου τεσσάρων ωρών η καθεμία.

Στη μελέτη  των 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. 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 σε 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 % όταν περιοριζόταν σε λεξιλόγιο 50 λέξεων και 23,8% 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 των UC San Francisco and Berkeley μπόρεσε να αποκωδικοποιήσει με μέσο ρυθμό 78 λέξεων ανά λεπτό. Είχε ένα ποσοστό σφάλματος 8,2% για ένα λεξιλόγιο 119 λέξεων και περίπου ένα ποσοστό λάθους 25 % για ένα λεξιλόγιο 1.024 λέξεων.

Αν και ένα ποσοστό σφάλματος 23 έως 25% δεν είναι αρκετά καλό για καθημερινή χρήση, είναι μια σημαντική βελτίωση σε σχέση με την υπάρχουσα τεχνολογία.

Αυτές οι μελέτες είναι περισσότερο απόδειξη της ιδέας παρά μια τεχνολογία που είναι έτοιμη. 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 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 φτάσει στην καταναλωτική χρήση, η τεχνολογία θα πρέπει να ελεγχθεί αυστηρά, κάτι που μπορεί να είναι μια χρονοβόρα και δαπανηρή διαδικασία.