Brain-Machine-Interfaces könnten eines Tages Patienten helfen, die ihre Sprachfähigkeit verloren haben
Eine neue Caltech-Forschung zeigt, wie Geräte, die in das Gehirn von Menschen implantiert werden, sogenannte Brain-Machine-Interfaces (BMIs), eines Tages Patienten helfen könnten, die ihre Sprachfähigkeit verloren haben. In einer neuen Studie, die auf der Konferenz der Society for Neuroscience 2022 in San Diego vorgestellt wurde, zeigten die Forscher, dass sie einen BMI verwenden können, um genau vorherzusagen, welche Wörter ein tetraplegischer Teilnehmer nur dachte und nicht sprach oder mimte.
„Sie haben vielleicht schon Videos von Menschen mit Tetraplegie gesehen, die BMIs verwenden, um Roboterarme und -hände zu steuern, um beispielsweise eine Flasche zu greifen und daraus zu trinken oder ein Stück Schokolade zu essen“, sagt Sarah Wandelt, eine Doktorandin des Caltech Labor von Richard Andersen, James G. Boswell Professor für Neurowissenschaften und Direktor des Tianqiao und Chrissy Chen Brain-Machine Interface Center am Caltech.
„Diese neuen Ergebnisse sind vielversprechend in den Bereichen Sprache und Kommunikation. Wir haben einen BMI verwendet, um Sprache zu rekonstruieren“, sagt Wandelt, der die Ergebnisse auf der Konferenz am 13. November präsentierte.
Frühere Studien hatten einen gewissen Erfolg bei der Vorhersage der Sprache der Teilnehmer, indem sie Gehirnsignale analysierten, die von motorischen Bereichen aufgezeichnet wurden, wenn ein Teilnehmer Wörter flüsterte oder mimte. Aber vorherzusagen, was jemand denkt, der interne Dialog, ist viel schwieriger, da es keine Bewegung gibt, erklärt Wandelt. „In der Vergangenheit konnten Algorithmen, die versuchten, interne Sprache vorherzusagen, nur drei oder vier Wörter und mit geringer Genauigkeit oder nicht in Echtzeit vorhersagen“, sagt Wandelt.
Die neue Forschung ist die bisher genaueste bei der Vorhersage interner Wörter. In diesem Fall wurden Gehirnsignale von einzelnen Neuronen in einem Gehirnbereich namens Gyrus supramarginalis aufgezeichnet, der sich im posterioren parietalen Cortex befindet. Die Forscher hatten in einer früheren Studie herausgefunden, dass dieses Gehirnareal gesprochene Worte darstellt.
Jetzt hat das Team seine Erkenntnisse auf die interne Sprache ausgeweitet. In der Studie trainierten die Forscher zunächst das BMI-Gerät, um die Gehirnmuster zu erkennen, die erzeugt wurden, wenn bestimmte Wörter von dem tetraplegischen Teilnehmer intern gesprochen oder gedacht wurden. Diese Trainingsphase dauerte etwa 15 Minuten. Dann zeigten sie ein Wort auf einem Bildschirm und baten den Teilnehmer, das Wort intern zu sagen. Die Ergebnisse zeigten, dass die BMI-Algorithmen acht Wörter mit einer Genauigkeit von bis zu 91 Prozent vorhersagen konnten.
Die Arbeit ist noch vorläufig, könnte aber Patienten mit Hirnverletzungen, Lähmungen oder Krankheiten wie Amyotropher Lateralsklerose (ALS), die die Sprache beeinträchtigen, helfen.
Neurologische Störungen können zu einer vollständigen Lähmung willkürlicher Muskeln führen, was dazu führt, dass Patienten nicht mehr sprechen oder sich bewegen können, aber immer noch in der Lage sind, zu denken und zu argumentieren. Für diese Bevölkerungsgruppe wäre ein interner Sprach-BMI unglaublich hilfreich.“
Sarah Wandelt, eine Caltech-Doktorandin
eBook Neurowissenschaften
Zusammenstellung der Top-Interviews, Artikel und Nachrichten des letzten Jahres. Laden Sie eine kostenlose Kopie herunter
„Wir haben zuvor gezeigt, dass wir imaginäre Handformen zum Greifen aus dem menschlichen Gyrus supramarginalis entschlüsseln können“, sagt Andersen. „Die Fähigkeit, auch Sprache aus diesem Bereich zu decodieren, deutet darauf hin, dass ein Implantat zwei wichtige menschliche Fähigkeiten wiederherstellen kann: Greifen und Sprechen.“
Die Forscher weisen auch darauf hin, dass die BMIs nicht verwendet werden können, um die Gedanken der Menschen zu lesen; Das Gerät müsste im Gehirn jeder Person separat trainiert werden, und sie funktionieren nur, wenn sich eine Person auf das Wort konzentriert.
Die Studie, die sich im Prozess der Zeitschrifteneinreichung befindet, aber noch nicht von Experten begutachtet wurde, trägt den Titel „Online interne Sprachdecodierung von einzelnen Neuronen bei einem menschlichen Teilnehmer“. Es wurde von den National Institutes of Health, dem Tianqiao und Chrissy Chen Brain-Machine Interface Center und der Boswell Foundation finanziert. Andere Caltech-Autoren neben Wandelt und Andersen sind David Bjanes, Kelsie Pejsa, Brian Lee (PhD ’06) und Charles Liu. Lee und Liu sind Caltech Visiting Associates, die der Fakultät der Keck School of Medicine an der USC angehören.
Quelle:
Kalifornisches Institut der Technologie
.
