Opracowali innowacyjny implant mózgowy. Zamienia myśli w słowa

Badacze Duke University pochwalili się prototypem urządzenia, które może zapewnić skuteczną metodę komunikacji osobom cierpiącym z powodu chorób neurodegeneracyjnych, takich jak stwardnienie zanikowe boczne (ALS), w przypadku którego funkcje poznawcze są zachowane, ale mięśnie kontrolujące mowę stają się słabe i napięte. Jednym ze sposobów przywrócenia komunikacji jest dekodowanie sygnałów bezpośrednio z kory ruchowej mózgu, co wyzwala ruchy mięśni w określonej kolejności, aby wytworzyć różne dźwięki.

Naukowcy opracowali więc implant mózgowy, który wykorzystuje nagrania neuronowe o wysokiej rozdzielczości do dekodowania sygnałów mózgowych danej osoby i przekładania ich na to, co próbuje powiedzieć. I działa lepiej niż dostępne obecnie rozwiązania, które oferują dekodowanie na poziomie maksymalnie 78 słów na minutę, podczas gdy człowiek wypowiada ok. 150 słów na minutę.

Aby ulepszyć istniejące urządzenia, badacze umieścili 256 mikroskopijnych czujników mózgowych na kawałku elastycznego plastiku klasy medycznej wielkości znaczka pocztowego, co oznaczało, że urządzenie było w stanie uzyskać sygnały neuronowe wyższej jakości i z większą rozdzielczością przestrzenną.

W celu przetestowania swojej metody, naukowcy zaprosili do badania czterech pacjentów, którzy mieli zaplanowaną operację mózgu w celu leczenia choroby Parkinsona lub usunięcia guza. Bo to właśnie w jej trakcie sprawdzali działanie innowacyjnego implantu i jak sami opisują to niewiarygodne doświadczenie, można ich porównać do "załogi pit-stopu NASCAR":

Zadanie było proste. Uczestnicy usłyszeli serię bezsensownych słów, takich jak "ava", "kug" czy "vip" i wypowiedzieli każde z nich na głos. Implant rejestrował aktywność kory ruchowej pacjenta, koordynując pracę prawie 100 mięśni poruszających wargami, językiem, szczęką i krtanią. Dane następnie wprowadzono do algorytmu uczenia maszynowego, aby sprawdzić, jak dokładnie może przewidzieć wydawany dźwięk, opierając się wyłącznie na zapisach aktywności mózgu.

Przy niektórych dźwiękach, np. "g" w słowie "gak", dekoder miał rację w 84 proc. przypadków, gdy był to pierwszy dźwięk w ciągu trzech składających się na określone nonsensowne słowo. Dokładność spadała, gdy dekoder analizował dźwięki w środku lub na końcu wyrazu i miał poważne problemy, jeśli dwa dźwięki były podobne, np. "p" i "b".

Ogólnie rzecz biorąc, dekoder był dokładny w 40 proc. przypadków. I choć nie brzmi to szczególnie imponująco, naukowcy zauważają, że algorytm wykorzystał jedynie 90 sekund danych mówionych zebranych podczas 15-minutowego testu. Naukowcy pracują więc nad dalszym ulepszeniem dokładności urządzenia i szybkości dekodowania, a także korzystają z grantu Narodowego Instytutu Zdrowia (NIH) na prace nad wersją bezprzewodową.