Le interfacce cervello-macchina potrebbero un giorno aiutare i pazienti che hanno perso la capacità di parlare

Le interfacce cervello-macchina potrebbero un giorno aiutare i pazienti che hanno perso la capacità di parlare

Una nuova ricerca del Caltech mostra come i dispositivi impiantati nel cervello delle persone, chiamati interfacce cervello-macchina (BMI), potrebbero un giorno aiutare i pazienti che hanno perso la capacità di parlare. In un nuovo studio presentato alla conferenza della Society for Neuroscience del 2022 a San Diego, i ricercatori hanno dimostrato di poter utilizzare un BMI per prevedere con precisione quali parole un partecipante quadriplegico pensava solo e non parlava o mimava.

"Potresti aver visto video di persone con quadriplegia che usano l'IMC per controllare braccia e mani robotiche, ad esempio, per prendere una bottiglia e bere da essa o mangiare un pezzo di cioccolato", dice Sarah Wandelt, una studentessa laureata nel laboratorio Richard Andersen del Caltech, professoressa di Neuroscienze James G. Boswell e direttrice del Centro di interfaccia cervello-macchina di Tianqiao e Chrissy Chen al Caltech.

"Questi nuovi risultati sono promettenti nei settori del linguaggio e della comunicazione. Abbiamo utilizzato il BMI per ricostruire il linguaggio", afferma Wandelt, che ha presentato i risultati alla conferenza del 13 novembre.

Studi precedenti hanno avuto un certo successo nel predire il discorso dei partecipanti analizzando i segnali cerebrali registrati dalle aree motorie quando un partecipante sussurrava o mimava le parole. Ma prevedere cosa pensa qualcuno, il dialogo interno, è molto più difficile perché non c'è movimento, spiega Wandelt. "In passato, gli algoritmi che cercavano di prevedere il parlato interno potevano prevedere solo tre o quattro parole e con scarsa precisione o non in tempo reale", afferma Wandelt.

La nuova ricerca è la più accurata finora nel predire le parole interne. In questo caso, i segnali cerebrali sono stati registrati da singoli neuroni in un’area del cervello chiamata giro sopramarginale, situata nella corteccia parietale posteriore. In uno studio precedente, i ricercatori avevano scoperto che quest’area del cervello rappresenta le parole pronunciate.

Ora il team ha esteso le sue scoperte al linguaggio interno. Nello studio, i ricercatori hanno prima addestrato il dispositivo BMI a riconoscere gli schemi cerebrali prodotti quando determinate parole venivano pronunciate o pensate internamente dal partecipante quadriplegico. Questa fase di formazione è durata circa 15 minuti. Hanno quindi mostrato una parola su uno schermo e hanno chiesto al partecipante di pronunciarla internamente. I risultati hanno mostrato che gli algoritmi BMI erano in grado di prevedere otto parole con una precisione fino al 91%.

Il lavoro è ancora preliminare ma potrebbe aiutare i pazienti con lesioni cerebrali, paralisi o malattie come la sclerosi laterale amiotrofica (SLA) che influiscono sulla parola.

I disturbi neurologici possono provocare la paralisi completa dei muscoli volontari, lasciando i pazienti incapaci di parlare o muoversi ma comunque in grado di pensare e ragionare. Per questa popolazione, un BMI del linguaggio interno sarebbe incredibilmente utile”.

Sarah Wandelt, una studentessa laureata del Caltech

eBook sulle neuroscienze

Raccolta delle migliori interviste, articoli e notizie dell'ultimo anno. Scarica una copia gratuita

"Abbiamo precedentemente dimostrato che possiamo decodificare forme immaginarie della mano per afferrare dal giro sopramarginale umano", afferma Andersen. “La capacità di decodificare anche il parlato da quest’area suggerisce che un impianto può ripristinare due importanti capacità umane: afferrare e parlare”.

I ricercatori sottolineano inoltre che il BMI non può essere utilizzato per leggere nella mente delle persone; Il dispositivo dovrebbe essere addestrato separatamente nel cervello di ogni persona e funziona solo quando una persona si concentra sulla parola.

Lo studio, che è in fase di presentazione alla rivista ma non è stato ancora sottoposto a revisione paritaria, è intitolato “Decodifica vocale interna online di singoli neuroni in un partecipante umano”. È stato finanziato dal National Institutes of Health, dal Tianqiao e Chrissy Chen Brain-Machine Interface Center e dalla Boswell Foundation. Altri autori del Caltech oltre a Wandelt e Andersen includono David Bjanes, Kelsie Pejsa, Brian Lee (PhD '06) e Charles Liu. Lee e Liu sono Caltech Visiting Associates e fanno parte della facoltà della Keck School of Medicine della USC.

Fonte:

Istituto di tecnologia della California

.