Neurologische doorbraak: hersen-computerinterface maakt real-time spraak mogelijk voor verlammingspatiënten

In een baanbrekende vooruitgang voor patiënten met ernstige verlamming, concluderen onderzoekers van deUniversity of California, Berkeley en de University of San Francisco hebben innovatieve technologie ontwikkeld die hersensignalen in realtime omzet in hoorbare spraak. Deze revolutionairbrain-computer interface (BCI)-technologiemarkeert een belangrijke mijlpaal in het helpen van mensen die hun spraakvermogen hebben verloren, om hun natuurlijke communicatievermogen terug te krijgen.

Streamingaanpak verkort de responstijd aanzienlijk

Volgens een artikel gepubliceerd op deUC Berkeley Techniekwebsite heeft het onderzoeksteam eenAI-aangedreven systeem dat signalen decodeertrechtstreeks van demotorische cortex van de hersenen, waardoor vrijwel onmiddellijk spraak ontstaat. Dit "streamen”-benadering vertegenwoordigt een dramatische verbetering ten opzichte van eerdere methoden.

“Onze streaming-aanpak, die gebruik maakt van spraakdecoderingstechnologieën die vergelijkbaar zijn met die gebruikt in Alexa en Siri, kan de tijd tussen hersenintentie en spraakuitvoer dramatisch verkorten”, legt Gopala Anumanchipalli uit, medeleider van het onderzoek en assistent-professor aan de afdeling Elektrotechniek en Computerwetenschappen van UC Berkeley.

De impact hiervansnelheidsverbetering is opmerkelijk. De kern van de nieuwe technologie is het oplossen van problemenlatentieprobleem van traditionele BCI-spraakdecodering.Terwijl de vorige techniek ongeveer vereiste8 seconden om een ​​enkele zin te decoderen, kan de nieuwe methode de eerste lettergreep binnenin uitvoeren1 secondenadat de patiënt van plan is te spreken.

Resultaten uit de praktijk: de ervaring van patiënt Ann

De effectiviteit van de technologie werd gedemonstreerd door te werken met een patiënt, geïdentificeerd als Ann, die in staat was bijna natuurlijke spraak te genereren door eenvoudigweg zinnen te 'denken' zonder vocalisatie.

De innovatieve benadering van het team op het gebied van spraakgeneratie maakt deze technologie bijzonder persoonlijk.Kaylo Littlejohn, co-eerste auteur van het onderzoek en promovendus aan de Universiteit van Berkeley, zei dat het team eenAI-voorgetraind tekst-naar-spraak-modelom de stem van een patiënt vóór het letsel te simuleren om de output persoonlijker te maken.

Veelzijdigheid en aanpassingsvermogen

Het onderzoek toont indrukwekkende compatibiliteit aan tussen verschillende apparaten voor het verzamelen van hersensignalen, waaronder micro-elektrode-arrays en gezichts-EMG-sensoren, wat wijst op brede potentiële toepassingen in verschillende klinische omgevingen.

Misschien wel het meest indrukwekkend is dat het systeem opmerkelijke generalisatiemogelijkheden vertoont. Toen patiënt Ann probeerde “spreken,“26 woorden waren niet opgenomen in de trainingsgegevens – met name woorden uit het fonetische alfabet van de NAVO, zoals ‘Alpha’ en"Bravo." Het model decodeerde nauwkeurig haar bedoelingen.

“Dit bewijst dat ons systeem niet alleen vertrouwt op het matchen van patronen, maar feitelijk de compositieregels van spraak leert,”merkt Cheol Jun Cho op, een andere co-eerste auteur en promovendus. “Dit vermogen legt de basis voor toekomstige verbeteringen in toon, toonhoogte en andere kenmerken van spraakuitdrukking”

Toekomstige richtingen

Patiënt Ann meldt dat deze nieuwe aanpak haar meer controle en zelfexpressie geeft dan haar eerdere experimentele ervaringen in 2023.

Vooruitkijkend is het onderzoeksteam van plan hun algoritmen te verfijnen om de natuurlijkheid en emotionele expressie van spraak te verbeteren, terwijl ze toepassingen voor een breder scala aan klinische scenario's onderzoeken.

Deze neurale interfacetechnologie vertegenwoordigt een aanzienlijke vooruitgang in ondersteunende communicatietechnologieën. Het laat zien hoe kunstmatige intelligentie kan worden ingezet om fundamentele menselijke vermogens, zoals spraak, te herstellen voor degenen die deze door letsel of ziekte zijn kwijtgeraakt.