En un avance innovador para pacientes con parálisis severa, investigadores delLa Universidad de California, Berkeley y la Universidad de San Francisco han desarrollado una tecnología innovadora que convierte las señales cerebrales en habla audible en tiempo real.. este revolucionarioTecnología de interfaz cerebro-computadora (BCI)marca un hito importante para ayudar a quienes han perdido la capacidad de hablar a recuperar sus capacidades de comunicación natural.
El enfoque de transmisión reduce drásticamente el tiempo de respuesta
Según un artículo publicado en elIngeniería de la Universidad de Berkeleysitio web, el equipo de investigación ha creado unSistema impulsado por IA que decodifica señalesdirectamente desde elcorteza motora del cerebro, generando habla casi instantáneamente. Este "transmisiónEste enfoque representa una mejora espectacular con respecto a los métodos anteriores.
"Nuestro enfoque de transmisión, que aprovecha tecnologías de decodificación de voz similares a las utilizadas en Alexa y Siri, puede reducir drásticamente el tiempo desde la intención del cerebro hasta la salida del habla", explica Gopala Anumanchipalli, codirector del estudio y profesor asistente en el Departamento de Ingeniería Eléctrica e Informática de UC Berkeley.
El impacto de esteLa mejora de la velocidad es notable.. El núcleo de la nueva tecnología es resolver el problemaProblema de latencia de la decodificación de voz BCI tradicional.Mientras que la técnica anterior requería aproximadamente8 segundos para decodificar una sola frase, el nuevo método puede generar la primera sílaba dentro1 segundodespués de que el paciente tenga la intención de hablar.
Resultados del mundo real: la experiencia de la paciente Ann
La eficacia de la tecnología se demostró mediante el trabajo con una paciente identificada como Ann, que era capaz de generar un habla casi natural simplemente "pensando" oraciones sin vocalización.
El enfoque innovador del equipo para la generación de voz hace que esta tecnología sea particularmente personal.Kaylo Littlejohn, coprimera autora del estudio y estudiante de doctorado en la Universidad de Berkeley., dijo que el equipo utilizó unModelo de texto a voz previamente entrenado por IApara simular la voz del paciente antes de la lesión para que la salida sea más personalizada.
Versatilidad y adaptabilidad
La investigación demuestra una compatibilidad impresionante entre diferentes dispositivos de adquisición de señales cerebrales, incluidos conjuntos de microelectrodos y sensores EMG faciales, lo que indica amplias aplicaciones potenciales en diversos entornos clínicos.
Quizás lo más impresionante es que el sistema muestra notables capacidades de generalización.. Cuando la paciente Ann intentó “hablar,“26 palabras no se incluyeron en los datos de entrenamiento, específicamente palabras del alfabeto fonético de la OTAN como "Alfa" y"Bravo." La modelo descifró con precisión sus intenciones.
“Esto demuestra que nuestro sistema no sólo se basa en la coincidencia de patrones, sino que en realidad aprende las reglas de composición del habla."señala Cheol Jun Cho, otro coautor y estudiante de doctorado. "Esta capacidad sienta las bases para futuras mejoras en el tono y otras características de la expresión del habla"
Direcciones futuras
La paciente Ann informa que este nuevo enfoque le brinda mayor control y autoexpresión que sus experiencias experimentales anteriores en 2023.
De cara al futuro, el equipo de investigación planea perfeccionar sus algoritmos para mejorar la naturalidad del habla y la expresión emocional mientras explora aplicaciones para una gama más amplia de escenarios clínicos.
Esta tecnología de interfaz neuronal representa un avance significativo en las tecnologías de comunicación asistida. Demuestra cómo se puede aprovechar la inteligencia artificial para restaurar habilidades humanas fundamentales, como el habla, a quienes las han perdido debido a una lesión o enfermedad.
