Interfaces cérebro-máquina poderão um dia ajudar pacientes que perderam a capacidade de falar

Interfaces cérebro-máquina poderão um dia ajudar pacientes que perderam a capacidade de falar

Uma nova pesquisa da Caltech mostra como dispositivos implantados no cérebro das pessoas, chamados interfaces cérebro-máquina (IMC), poderão um dia ajudar pacientes que perderam a capacidade de falar. Num novo estudo apresentado na conferência da Sociedade de Neurociências de 2022 em San Diego, os investigadores mostraram que poderiam usar um IMC para prever com precisão quais palavras um participante tetraplégico apenas pensava e não falava ou fazia mímica.

“Você pode ter visto vídeos de pessoas com tetraplegia usando IMC para controlar braços e mãos robóticas para, por exemplo, pegar uma garrafa e beber ou comer um pedaço de chocolate”, diz Sarah Wandelt, estudante de pós-graduação no laboratório Richard Andersen da Caltech, professora de neurociência James G. Boswell e diretora do Centro de Interface Cérebro-Máquina Tianqiao e Chrissy Chen da Caltech.

“Esses novos resultados são promissores nas áreas de linguagem e comunicação. Usamos o IMC para reconstruir a linguagem”, diz Wandelt, que apresentou os resultados na conferência de 13 de novembro.

Estudos anteriores tiveram algum sucesso na previsão da fala dos participantes, analisando sinais cerebrais gravados em áreas motoras quando um participante sussurrava ou imitava palavras. Mas prever o que alguém está pensando, o diálogo interno, é muito mais difícil porque não há movimento, explica Wandelt. “Antigamente, algoritmos que tentavam prever a fala interna só conseguiam prever três ou quatro palavras e com baixa precisão ou não em tempo real”, diz Wandelt.

A nova pesquisa é a mais precisa até agora na previsão de palavras internas. Neste caso, os sinais cerebrais foram registados a partir de neurónios individuais numa área cerebral chamada giro supramarginal, localizada no córtex parietal posterior. Num estudo anterior, os investigadores descobriram que esta área do cérebro representa palavras faladas.

Agora a equipe estendeu suas descobertas à linguagem interna. No estudo, os pesquisadores primeiro treinaram o dispositivo IMC para reconhecer os padrões cerebrais produzidos quando certas palavras eram faladas ou pensadas internamente pelo participante tetraplégico. Essa fase de treinamento durou aproximadamente 15 minutos. Eles então mostraram uma palavra em uma tela e pediram ao participante que dissesse a palavra internamente. Os resultados mostraram que os algoritmos do IMC foram capazes de prever oito palavras com até 91% de precisão.

O trabalho ainda é preliminar, mas poderá ajudar pacientes com lesões cerebrais, paralisia ou doenças como a esclerose lateral amiotrófica (ELA), que afetam a fala.

Os distúrbios neurológicos podem resultar em paralisia completa dos músculos voluntários, deixando os pacientes incapazes de falar ou se mover, mas ainda capazes de pensar e raciocinar. Para esta população, um IMC de linguagem interna seria extremamente útil.”

Sarah Wandelt, estudante de pós-graduação da Caltech

E-book de Neurociências

Compilação das principais entrevistas, artigos e notícias do ano passado. Baixe uma cópia gratuita

“Já mostramos anteriormente que podemos decodificar formas imaginárias de mãos para agarrar a partir do giro supramarginal humano”, diz Andersen. “A capacidade de também decodificar a fala desta área sugere que um implante pode restaurar duas importantes habilidades humanas: agarrar e falar.”

Os pesquisadores também apontam que o IMC não pode ser usado para ler a mente das pessoas; O dispositivo teria que ser treinado no cérebro de cada pessoa separadamente, e só funciona quando a pessoa se concentra na palavra.

O estudo, que está em processo de submissão à revista, mas ainda não foi revisado por pares, é intitulado “Decodificação de fala interna on-line de neurônios únicos em um participante humano”. Foi financiado pelos Institutos Nacionais de Saúde, pelo Centro de Interface Cérebro-Máquina Tianqiao e Chrissy Chen e pela Fundação Boswell. Outros autores do Caltech, além de Wandelt e Andersen, incluem David Bjanes, Kelsie Pejsa, Brian Lee (PhD '06) e Charles Liu. Lee e Liu são Caltech Visiting Associates que fazem parte do corpo docente da Keck School of Medicine da USC.

Fonte:

Instituto de Tecnologia da Califórnia

.