Con los avances en electrónica y neurociencia, los investigadores han sido capaces de lograr cosas notables con dispositivos de implante cerebral, como restaurar una apariencia de vista para los ciegos. Además de restaurar los sentidos físicos, los científicos también están buscando formas innovadoras de facilitar la comunicación para aquellos que han perdido la capacidad de hablar. Un nuevo "decodificador" que recibe datos de electrodos implantados dentro del cráneo, por ejemplo, podría ayudar a los pacientes paralizados a hablar usando solo sus mentes.
Investigadores de la Universidad de California en San Francisco (UCSF) desarrollaron un método de dos etapas para convertir las señales cerebrales en lenguaje sintetizado por computadora. Sus resultados, publicados esta semana en la revista científica Nature, proporcionan un posible camino hacia una comunicación más fluida para las personas que han perdido la capacidad de hablar.
Durante años, los científicos han estado tratando de aprovechar las entradas neurales para devolver la voz a las personas cuyo daño neurológico les impide hablar, como los sobrevivientes de un derrame cerebral o los pacientes con ELA. Hasta ahora, muchas de estas interfaces cerebro-computadora han presentado un enfoque letra por letra, en el que los pacientes mueven sus ojos o músculos faciales para deletrear sus pensamientos. (Stephen Hawking dirigió su sintetizador de voz a través de pequeños movimientos en su mejilla).
Pero este tipo de interfaces son lentas: la mayoría produce 10 palabras por minuto, una fracción de la velocidad de habla humana promedio de 150 palabras por minuto. Para una comunicación más rápida y fluida, los investigadores de la UCSF utilizaron algoritmos de aprendizaje profundo para convertir las señales neuronales en oraciones habladas.
“El cerebro está intacto en estos pacientes, pero las neuronas, las vías que conducen a los brazos, la boca o las piernas, se descomponen. Estas personas tienen un alto funcionamiento y habilidades cognitivas, pero no pueden realizar tareas diarias como moverse o decir algo ", dice Gopala Anumanchipalli, coautora principal del nuevo estudio e investigador asociado especializado en cirugía neurológica en la UCSF. "Estamos esencialmente evitando el camino que se ha roto".
Los investigadores comenzaron con datos de actividad cerebral de alta resolución recopilados de cinco voluntarios durante varios años. Estos participantes, todos los cuales tenían una función normal del habla, ya se estaban sometiendo a un proceso de monitoreo para el tratamiento de la epilepsia que involucraba implantar electrodos directamente en sus cerebros. El equipo de Chang usó estos electrodos para rastrear la actividad en áreas del cerebro relacionadas con el habla a medida que los pacientes leían cientos de oraciones.
A partir de ahí, el equipo de UCSF elaboró un proceso de dos etapas para recrear las oraciones habladas. Primero, crearon un decodificador para interpretar los patrones de actividad cerebral registrados como instrucciones para mover partes de un tracto vocal virtual (incluidos los labios, la lengua, la mandíbula y la laringe). Luego desarrollaron un sintetizador que utilizaba los movimientos virtuales para producir lenguaje.
Otra investigación ha intentado decodificar palabras y sonidos directamente de las señales neuronales, omitiendo el paso medio del movimiento de decodificación. Sin embargo, un estudio que los investigadores de la UCSF publicaron el año pasado sugiere que el centro del habla de su cerebro se enfoca en cómo mover el tracto vocal para producir sonidos, en lugar de cuáles serán los sonidos resultantes.
"Los patrones de actividad cerebral en los centros del habla están específicamente diseñados para coordinar los movimientos del tracto vocal, y solo están indirectamente vinculados a los sonidos del habla", Edward Chang, profesor de cirugía neurológica en la UCSF y coautor del nuevo artículo, dijo en una rueda de prensa esta semana. "Estamos explícitamente tratando de decodificar los movimientos para crear sonidos, en lugar de decodificarlos directamente".
Un ejemplo de matriz de implantes cerebrales de electrodos intracraneales del tipo utilizado para registrar la actividad cerebral. (UCSF) Usando este método, los investigadores realizaron con éxito ingeniería inversa de palabras y oraciones de la actividad cerebral que coincidían aproximadamente con las grabaciones de audio del discurso de los participantes. Cuando pidieron a los voluntarios en una plataforma de crowdsourcing en línea que intentaran identificar las palabras y transcribir oraciones usando un banco de palabras, muchos de ellos pudieron entender el discurso simulado, aunque su precisión estaba lejos de ser perfecta. De 101 oraciones sintetizadas, aproximadamente el 80 por ciento fueron transcritas perfectamente por al menos un oyente utilizando un banco de 25 palabras (esa tasa cayó a aproximadamente el 60 por ciento cuando el tamaño del banco de palabras se duplicó).
Es difícil decir cómo se comparan estos resultados con otros ensayos de discurso sintetizados, dice Marc Slutzky, un neurólogo del noroeste que no participó en el nuevo estudio, en un correo electrónico. Slutzky recientemente trabajó en un estudio similar que produjo palabras sintetizadas directamente de las señales de la corteza cerebral, sin decodificar el movimiento del tracto vocal, y cree que la calidad del habla resultante fue similar, aunque las diferencias en las métricas de rendimiento dificultan la comparación directa.
Sin embargo, un aspecto emocionante del estudio UCSF es que el decodificador puede generalizar algunos resultados entre los participantes, dice Slutzky. Un desafío importante para este tipo de investigación es que la capacitación de los algoritmos del decodificador generalmente requiere que los participantes hablen, pero la tecnología está destinada a pacientes que ya no pueden hablar. Ser capaz de generalizar parte del entrenamiento del algoritmo podría permitir un mayor trabajo con pacientes paralizados.
Para abordar este desafío, los investigadores también probaron el dispositivo con un participante que silenciosamente imitaba las oraciones en lugar de pronunciarlas en voz alta. Aunque las oraciones resultantes no fueron tan precisas, los autores dicen que el hecho de que la síntesis fuera posible incluso sin un discurso vocalizado tiene implicaciones emocionantes.
"Fue realmente notable descubrir que aún podíamos generar una señal de audio de un acto que no generaba audio en absoluto", dijo Josh Chartier, coautor principal del estudio y estudiante graduado de bioingeniería en la UCSF, en la rueda de prensa. .
Imagen del autor del estudio Gopala Anumanchipalli, PhD, con un conjunto de electrodos intracraneales del tipo utilizado para registrar la actividad cerebral en el estudio actual. (UCSF) Otro objetivo para futuras investigaciones es realizar demostraciones en tiempo real del decodificador, dice Anumanchipalli. El estudio actual fue una prueba de concepto: el decodificador se desarrolló por separado del proceso de recopilación de datos, y el equipo no probó la velocidad en tiempo real de traducir la actividad cerebral al habla sintetizada, aunque este sería el objetivo final de Un dispositivo clínico.
Esa síntesis en tiempo real es algo que necesita mejoras para que un dispositivo de este tipo sea útil en el futuro, dice Jaimie Henderson, un neurocirujano de Stanford que no participó en el estudio. Aún así, dice que el método de dos etapas de los autores es un enfoque nuevo y emocionante, y el uso de la tecnología de aprendizaje profundo puede proporcionar nuevas ideas sobre cómo funciona realmente el habla.
"Para mí, la idea de comenzar a investigar la base subyacente de cómo se produce el habla en las personas es muy emocionante", dice Henderson. "[Este estudio] comienza a explorar una de nuestras capacidades más humanas en un nivel fundamental".
