I ricercatori della UC San Francisco hanno sviluppato con successo una “neuroprotesi vocale” che ha permesso a un uomo con grave paralisi, di comunicare in frasi, traducendo i segnali dal suo cervello al tratto vocale direttamente in parole che appaiono come testo su uno schermo.
Il risultato, che è stato sviluppato in collaborazione con il primo partecipante di un trial di ricerca clinica, si basa su più di un decennio di sforzi da parte di UCSF neurochirurgo Edward Chang, MD, per sviluppare una tecnologia che permette alle persone con paralisi di comunicare anche se non sono in grado di parlare da soli. Lo studio appare il 15 luglio nel New England Journal of Medicine.
“A nostra conoscenza, questa è la prima dimostrazione di successo della decodifica diretta di parole complete dell’ attività cerebrale di qualcuno che è paralizzato e non può parlare“. Afferma Chang, Joan e Sanford Weill Chair of Neurological Surgery alla UCSF, Jeanne Robertson Distinguished Professor; e autore senior dello studio. “Mostra una forte promessa di ripristinare la comunicazione attingendo al macchinario naturale del cervello per la parola”.
Neuroprotesi Vocale: lo studio completo
<<Ogni anno, migliaia di persone perdono la capacità di parlare a causa di ictus, incidenti o malattie. Con ulteriori sviluppi, l’approccio descritto in questo studio potrebbe un giorno permettere a queste persone di comunicare pienamente.
Tradurre i segnali cerebrali in parole
In precedenza, il lavoro nel campo delle neuroprotesi di comunicazione si è concentrato sul ripristino della comunicazione attraverso approcci basati sull’ortografia per digitare le lettere una per una nel testo. Lo studio di Chang differisce da questi sforzi in un modo decisivo: il suo team sta traducendo i segnali destinati a controllare i muscoli del sistema vocale per consentire di pronunciare parole, piuttosto che i segnali per spostare il braccio o la mano per consentire la digitazione. Chang ha detto che questo approccio attinge agli aspetti naturali e fluidi del discorso e promette una comunicazione più rapida e organica.
“Con la parola, normalmente comunichiamo informazioni ad una velocità molto elevata, fino a 150 o 200 parole al minuto“; sostiene, notando che gli approcci basati sull’ortografia che utilizzano la digitazione, la scrittura e il controllo di un cursore sono notevolmente più lenti e laboriosi. “Andare direttamente alle parole, come stiamo facendo qui, ha grandi vantaggi perché è più vicino a come parliamo normalmente”.
Array di elettrodi e cervello
Negli ultimi dieci anni, i progressi di Chang verso questo obiettivo sono stati facilitati dai pazienti dell’UCSF Epilepsy Center che sono stati sottoposti a neurochirurgia per individuare l’origine delle loro crisi utilizzando array di elettrodi posti sulla superficie del loro cervello. Questi pazienti, che avevano tutti un linguaggio normale, si sono offerti di far analizzare le loro registrazioni cerebrali per l’attività legata al linguaggio. Il successo iniziale con questi pazienti volontari ha spianato la strada alla sperimentazione attuale nelle persone con paralisi.
In precedenza, Chang e colleghi dell’UCSF Weill Institute for Neurosciences hanno mappato i modelli di attività corticale associati ai movimenti del tratto verbale che producono ogni consonante e vocale. Per tradurre queste scoperte nel riconoscimento vocale di parole complete, David Moses, PhD, un ingegnere post-dottorato nel laboratorio Chang e uno degli autori principali del presente studio, ha sviluppato nuovi metodi per la decodifica in tempo reale di quei modelli e modelli statistici del linguaggio per migliorare la precisione.
Neuroprotesi Vocale
Ma il loro successo nella decodifica del discorso in partecipanti che erano in grado di parlare non garantiva che la tecnologia avrebbe funzionato in una persona il cui tratto vocale è paralizzato.
“I nostri modelli avevano bisogno di imparare la mappatura tra i modelli complessi di attività cerebrale e il discorso previsto”; dichiara Moses. “Questo rappresenta una grande sfida quando il partecipante non può parlare”.
Inoltre, il team non sapeva se i segnali cerebrali che controllano il tratto vocale sarebbero stati ancora intatti per le persone che non sono state in grado di muovere i muscoli vocali per molti anni. “Il modo migliore per scoprire se questo poteva funzionare era provarlo”, ha detto Moses.
Le prime 50 parole
Per indagare il potenziale di questa tecnologia nei pazienti con paralisi, Chang ha collaborato con il collega Karunesh Ganguly, MD, PhD, un professore associato di neurologia, per lanciare uno studio noto come “BRAVO” (Brain-Computer Interface Restoration of Arm and Voice). Il primo partecipante alla sperimentazione è un uomo alla fine dei 30 anni che ha subito un devastante ictus al tronco cerebrale più di 15 anni fa che ha gravemente danneggiato la connessione tra il suo cervello il tratto vocale e gli arti. Dal suo infortunio, ha avuto movimenti estremamente limitati della testa, del collo e degli arti, e comunica utilizzando un puntatore attaccato a un berretto da baseball per toccare le lettere su uno schermo.
***
Il partecipante, che ha chiesto di essere indicato come BRAVO1, ha lavorato con i ricercatori per creare un vocabolario di 50 parole che il team di Chang potrebbe riconoscere dall’attività cerebrale utilizzando algoritmi informatici avanzati. Il vocabolario – che include parole come “acqua”, “famiglia” e “bene” – è stato sufficiente per creare centinaia di frasi che esprimono concetti applicabili alla vita quotidiana di BRAVO1.
Per lo studio, Chang ha impiantato chirurgicamente un array di elettrodi ad alta densità sulla corteccia motoria del linguaggio di BRAVO1. Dopo il completo recupero del partecipante, il suo team ha registrato 22 ore di attività neurale in questa regione del cervello per 48 sessioni e per diversi mesi. In ogni sessione, BRAVO1 ha tentato di dire ciascuna delle 50 parole del vocabolario molte volte mentre gli elettrodi registravano i segnali cerebrali dalla sua corteccia vocale.
Tradurre i tentativi di parola in testo
Per tradurre i modelli di attività neurale registrati in parole specifiche, gli altri due autori principali dello studio, hanno usato modelli di reti neurali personalizzati; si tratta di forme di intelligenza artificiale. Gli autori sono Sean Metzger, MS e Jessie Liu, BS, entrambi dottorandi in bioingegneria nel Chang Lab.
Quando il partecipante ha tentato di parlare, queste reti hanno distinto modelli sottili nell’attività cerebrale per rilevare i tentativi di discorso e identificare quali parole stava cercando di dire.
Per testare il loro approccio, il team ha presentato BRAVO1 con brevi frasi costruite dalle 50 parole del vocabolario e gli ha chiesto di provare a dirle più volte. Mentre faceva i suoi tentativi, le parole venivano decodificate dalla sua attività cerebrale, una per una, su uno schermo.
Poi il team è passato a sollecitarlo con domande come “Come stai oggi?” e “Vuoi dell’acqua?”. Come prima, i tentativi di BRAVO1 sono apparsi sullo schermo. “Sto molto bene” e “No, non ho sete”.
Neuroprotesi Vocale
Il team ha scoperto che il sistema è stato in grado di decodificare le parole dall’attività cerebrale a una velocità fino a 18 parole al minuto con una precisione fino al 93 % (75 % mediana). A contribuire al successo è stato un modello linguistico applicato da Moses che ha implementato una funzione di “correzione automatica”, simile a quella utilizzata dai software di riconoscimento vocale e di testo dei consumatori.
Moses ha caratterizzato i primi risultati di prova come una prova di principio.
“Siamo stati entusiasti di vedere la decodifica accurata di una varietà di frasi significative”; ha detto. “Abbiamo dimostrato che è effettivamente possibile facilitare la comunicazione in questo modo e che ha il potenziale per l’uso in ambienti di conversazione”.
Guardando avanti, Chang e Moses hanno detto che amplieranno la sperimentazione per includere più partecipanti affetti da gravi paralisi e deficit di comunicazione. Il team sta attualmente lavorando per aumentare il numero di parole nel vocabolario disponibile, così come migliorare il ritmo del discorso.
***
Entrambi hanno detto che mentre lo studio si è concentrato su un singolo partecipante e un vocabolario limitato, queste limitazioni non diminuiscono il risultato.
“Questa è un’importante pietra miliare tecnologica per una persona che non può comunicare naturalmente“; Conclude Moses, “e dimostra il potenziale di questo approccio per dare una voce alle persone con grave paralisi e perdita del linguaggio”.
I coautori del documento – Neuroprotesi Vocale – includono Sean L. Metzger, MS; Jessie R. Liu; Gopala K. Anumanchipalli, PhD; Joseph G. Makin, PhD; Pengfei F. Sun, PhD; Josh Chartier, PhD; Maximilian E. Dougherty; Patricia M. Liu, MA; Gary M. Abrams, MD; e Adelyn Tu-Chan, DO, tutti della UCSF. Fonti di finanziamento incluso National Institutes of Health (U01 NS098971-01); filantropia e un accordo di ricerca sponsorizzato con Facebook Reality Labs (FRL), che ha completato all’inizio del 2021.>>
I ricercatori della UCSF hanno condotto tutta la progettazione della sperimentazione clinica, l’esecuzione, l’analisi dei dati e la segnalazione. I dati dei partecipanti alla ricerca sono stati raccolti esclusivamente da UCSF, sono tenuti in modo confidenziale e non sono condivisi con terze parti. FRL ha fornito un feedback di alto livello e consigli sull’apprendimento automatico. Neuroprotesi Vocale
Leggi anche:
Pinzette Ottiche: Ottimizzate per pericoli del calore
