Βρήκε ξανά τη «φωνή» της μετά από εγκεφαλικό, χάρη στην Τεχνητή Νοημοσύνη

Επιμέλεια: medlabnews.gr iatrikanea

Ερευνητές των Πανεπιστημίων UC San Francisco και UC Berkeley ανέπτυξαν μια διεπαφή εγκεφάλου-υπολογιστή (BCI) που επέτρεψε σε μια γυναίκα με σοβαρή παράλυση από εγκεφαλικό επεισόδιο στο εγκεφαλικό στέλεχος να μιλήσει μέσω ενός ψηφιακού άβαταρ.

Είναι η πρώτη φορά που είτε η ομιλία είτε οι εκφράσεις του προσώπου συντίθενται από εγκεφαλικά σήματα. Το σύστημα μπορεί επίσης να αποκωδικοποιήσει αυτά τα σήματα σε κείμενο με σχεδόν 80 λέξεις ανά λεπτό, μια τεράστια βελτίωση σε σχέση με την εμπορικά διαθέσιμη τεχνολογία.

Ο Edward Chang, MD, πρόεδρος νευρολογικής χειρουργικής στο UCSF, ο οποίος έχει εργαστεί πάνω στην τεχνολογία, γνωστή ως διεπαφή εγκεφάλου-υπολογιστή ή BCI, για περισσότερο από μια δεκαετία, ελπίζει ότι αυτό το τελευταίο ερευνητικό επίτευγμα, που δημοσιεύθηκε στις 23 Αυγούστου 2023 στο Nature, θα οδηγήσει σε ένα εγκεκριμένο από τον FDA σύστημα που θα επιτρέπει την ομιλία από εγκεφαλικά σήματα στο εγγύς μέλλον.

"Στόχος μας είναι να αποκαταστήσουμε έναν πλήρη, ενσώματο τρόπο επικοινωνίας, ο οποίος είναι πραγματικά ο πιο φυσικός τρόπος για να μιλάμε με τους άλλους", δήλωσε ο Τσανγκ, ο οποίος είναι μέλος του Ινστιτούτου Νευροεπιστημών Weill του UCSF και διακεκριμένος καθηγητής Ψυχιατρικής Jeanne Robertson. "Αυτές οι εξελίξεις μας φέρνουν πολύ πιο κοντά στο να γίνει αυτό μια πραγματική λύση για τους ασθενείς".

Η ομάδα του Chang είχε ήδη αποδείξει ότι ήταν δυνατή η αποκωδικοποίηση των εγκεφαλικών σημάτων σε κείμενο σε έναν άνδρα που είχε επίσης υποστεί εγκεφαλικό επεισόδιο στο εγκεφαλικό στέλεχος πολλά χρόνια νωρίτερα. Η τρέχουσα μελέτη καταδεικνύει κάτι πιο φιλόδοξο: την αποκωδικοποίηση εγκεφαλικών σημάτων στον πλούτο της ομιλίας, μαζί με τις κινήσεις που ζωντανεύουν το πρόσωπο ενός ατόμου κατά τη διάρκεια της συζήτησης.

Ο Τσανγκ εμφύτευσε ένα ορθογώνιο από 253 ηλεκτρόδια στην επιφάνεια του εγκεφάλου της γυναίκας σε περιοχές που η ομάδα του ανακάλυψε ότι είναι κρίσιμες για την ομιλία. Τα ηλεκτρόδια υπέκλεψαν τα εγκεφαλικά σήματα που, αν δεν είχε προηγηθεί το εγκεφαλικό επεισόδιο, θα είχαν πάει στους μύες της, στη γλώσσα, στο σαγόνι και στο λάρυγγα, καθώς και στο πρόσωπό της. Ένα καλώδιο, συνδεδεμένο σε μια θύρα που ήταν στερεωμένη στο κεφάλι της, συνέδεε τα ηλεκτρόδια με μια σειρά υπολογιστών.

Επί εβδομάδες, η συμμετέχουσα συνεργαζόταν με την ομάδα για να εκπαιδεύσει τους αλγόριθμους τεχνητής νοημοσύνης του συστήματος ώστε να αναγνωρίζουν τα μοναδικά εγκεφαλικά της σήματα για την ομιλία. Αυτό περιελάμβανε την επανάληψη διαφορετικών φράσεων από ένα λεξιλόγιο συνομιλίας 1.024 λέξεων ξανά και ξανά, μέχρι ο υπολογιστής να αναγνωρίσει τα μοτίβα εγκεφαλικής δραστηριότητας που σχετίζονται με τους ήχους.

Αντί να εκπαιδεύσουν την τεχνητή νοημοσύνη να αναγνωρίζει ολόκληρες λέξεις, οι ερευνητές δημιούργησαν ένα σύστημα που αποκωδικοποιεί λέξεις από φωνήματα. Αυτές είναι οι υπομονάδες της ομιλίας που σχηματίζουν τις προφορικές λέξεις με τον ίδιο τρόπο που τα γράμματα σχηματίζουν τις γραπτές λέξεις. Η λέξη "Hello", για παράδειγμα, περιέχει τέσσερα φωνήματα: "HH", "AH", "L" και "OW".

Χρησιμοποιώντας αυτή την προσέγγιση, ο υπολογιστής χρειαζόταν να μάθει μόνο 39 φωνήματα για να αποκρυπτογραφήσει οποιαδήποτε λέξη στα αγγλικά. Αυτό αφενός βελτίωσε την ακρίβεια του συστήματος και αφετέρου το έκανε τρεις φορές πιο γρήγορο.

"Η ακρίβεια, η ταχύτητα και το λεξιλόγιο είναι ζωτικής σημασίας", δήλωσε ο Sean Metzger, ο οποίος ανέπτυξε τον αποκωδικοποιητή κειμένου μαζί με τον Alex Silva, και οι δύο μεταπτυχιακοί φοιτητές στο κοινό πρόγραμμα εμβιομηχανικής του UC Berkeley και του UCSF. "Είναι αυτό που δίνει στον χρήστη τη δυνατότητα, σε βάθος χρόνου, να επικοινωνεί σχεδόν τόσο γρήγορα όσο εμείς και να έχει πολύ πιο φυσικές και φυσιολογικές συνομιλίες".

Για τη δημιουργία της φωνής, η ομάδα επινόησε έναν αλγόριθμο για τη σύνθεση της ομιλίας, τον οποίο εξατομίκευσε ώστε να ακούγεται όπως η φωνή της πριν από τον τραυματισμό, χρησιμοποιώντας μια ηχογράφηση της ομιλίας της στο γάμο της.

Η ομάδα "ζωντάνεψε" το άβαταρ με τη βοήθεια λογισμικού που προσομοιώνει και κινεί τις μυϊκές κινήσεις του προσώπου, το οποίο αναπτύχθηκε από την Speech Graphics, μια εταιρεία που κατασκευάζει κινουμένων σχεδίων προσώπου με βάση την τεχνητή νοημοσύνη. Οι ερευνητές δημιούργησαν προσαρμοσμένες διαδικασίες μηχανικής μάθησης που επέτρεψαν στο λογισμικό της εταιρείας να εμπλακεί με τα σήματα που έστελνε ο εγκέφαλος της γυναίκας καθώς προσπαθούσε να μιλήσει και να τα μετατρέψει σε κινήσεις στο πρόσωπο του άβαταρ, κάνοντας το σαγόνι να ανοίγει και να κλείνει, τα χείλη να προεξέχουν και να σφίγγονται και τη γλώσσα να ανεβοκατεβαίνει, καθώς και τις κινήσεις του προσώπου για την ευτυχία, τη θλίψη και την έκπληξη.

"Αποκαθιστούμε τις συνδέσεις μεταξύ του εγκεφάλου και της φωνητικής οδού που έχουν διακοπεί από το εγκεφαλικό επεισόδιο", δήλωσε ο Kaylo Littlejohn, μεταπτυχιακός φοιτητής που συνεργάζεται με τον Chang και τον Gopala Anumanchipalli, PhD, καθηγητή Ηλεκτρολόγων Μηχανικών και Επιστημών Υπολογιστών στο Πανεπιστήμιο Berkeley. "Όταν το υποκείμενο χρησιμοποίησε για πρώτη φορά αυτό το σύστημα για να μιλήσει και να κινήσει το πρόσωπο του avatar παράλληλα, ήξερα ότι αυτό θα ήταν κάτι που θα είχε πραγματικό αντίκτυπο".

Ένα σημαντικό επόμενο βήμα για την ομάδα είναι η δημιουργία μιας ασύρματης έκδοσης που δεν θα απαιτεί τη φυσική σύνδεση του χρήστη με το BCI.

"Το να δώσουμε στους ανθρώπους τη δυνατότητα να ελέγχουν ελεύθερα τους υπολογιστές και τα τηλέφωνά τους με αυτή την τεχνολογία θα είχε βαθιές επιπτώσεις στην ανεξαρτησία και τις κοινωνικές αλληλεπιδράσεις τους", δήλωσε ο συμμετέχων στη μελέτη ερευνητής David Moses, PhD, επίκουρος καθηγητής νευρολογικής χειρουργικής.

Πηγή: sciencedaily.com

Διαβάστε επίσης:

Τεχνητή Νοημοσύνη στην Υγεία: Ένας γιατρός απαντά στις ερωτήσεις των ασθενών

Άλμα της Τεχνητής Νοημοσύνης: Το πρώτο φάρμακο που δημιουργήθηκε ποτέ μέσω AI δοκιμάζεται σε ασθενείς

Πρωτοποριακό σύστημα τεχνητής νοημοσύνης έκανε παράλυτο να ξαναπερπατήσει. Δείτε το video