Прорыв в нейроинтерфейсах: декодирование внутренней речи

Революция в области нейрокомпьютерных интерфейсов

Нейрокомпьютерные интерфейсы (НКИ) представляют собой передовую вспомогательную технологию, которая дарит надежду людям с ограниченными возможностями, потерявшим способность говорить или двигаться из-за различных причин, таких как нейродегенеративные заболевания, неврологические расстройства или черепно-мозговые травмы. Новое знаковое исследование в области НКИ, проведенное нейробиологами Стэнфордской медицины (Stanford Medicine), демонстрирует нейрокомпьютерный интерфейс, способный декодировать проинструктированную внутреннюю речь по команде с точностью до 74%.

«Мы обнаружили, что внутренняя речь надежно представлена, и продемонстрировали концептуальное доказательство работы НКИ внутренней речи в реальном времени, который может декодировать самостоятельно генерируемые воображаемые предложения из большого словарного запаса (125 000 слов)», — написал старший автор исследования Фрэнк Виллет (Frank Willett), доктор философии, содиректор Трансляционной лаборатории нейропротезов и доцент кафедры нейрохирургии Стэнфордского университета, в сотрудничестве с командой из более чем 20 ученых.

В число соавторов исследования вошли Эрин Кунц (Erin Kunz), Вениамин Абрамович Краса (Benyamin Abramovich Krasa), Форам Камдар (Foram Kamdar), Дональд Авансино (Donald Avansino), Ник Хан (Nick Hahn), Сонхюн Юн (Seonghyun Yoon), Аканша Сингх (Akansha Singh), Самуэль Насон-Томашевски (Samuel Nason-Tomaszewski), Николас Кард (Nicholas Card), Джастин Джуд (Justin Jude), Брэндон Жак (Brandon Jacques), Пейтон Бечефски (Payton Bechefsky), Каррина Якобаччи (Carrina Iacobacci), Ли Хохберг (Leigh Hochberg), Дэниел Рубин (Daniel Rubin), Зив Уильямс (Ziv Williams), Дэвид Брандман (David Brandman), Сергей Ставицкий (Sergey Stavisky), Николас О-Йонг (Nicholas AuYong), Четан Пандаринат (Chethan Pandarinath), Шаул Друкманн (Shaul Druckmann) и Джейми Хендерсон (Jaimie Henderson).

Технические детали и точность декодирования

Исследователи сообщают, что частота ошибок в словах для способности НКИ декодировать внутреннюю речь в режиме реального времени с использованием словарного запаса из 125 000 слов составила всего 26%. Нейрокомпьютерные интерфейсы позволяют человеку управлять внешними устройствами с помощью мыслей для выполнения задач, улучшающих качество повседневной жизни, таких как управление инвалидными колясками, роботизированными конечностями, компьютерами, смартфонами и другими устройствами.

Многие существующие системы НКИ полагаются на запись мозговой активности пациента, который пытается говорить. Исследователи этого исследования стремились декодировать воображаемую речь, также известную как внутренняя речь, внутренний монолог, разговор с самим собой, беззвучная речь, внутренняя речь про себя, речевые образы, внутренний голос, вербальное мышление и внутренний диалог.

Методология проведения клинических испытаний

Четыре участника исследования с тетраплегией, которые участвовали в исследовании осуществимости клинических испытаний BrainGate2, имели датчики нейроинтерфейсной системы BrainGate, размещенные на речевых зонах коры головного мозга (моторной коре), для записи мозговой активности. В число участников вошли двое мужчин и одна женщина с диагностированным боковым амиотрофическим склерозом (БАС), а также женщина, пережившая инсульт, с диагнозом тетраплегия и дизартрия.

Аналоговые сигналы оцифровывались с помощью системы NeuroPlex E от компании Blackrock Microsystems, поскольку участников просили либо попытаться заговорить, либо представить внутреннюю речь. Исследователи обнаружили высокую корреляцию между нейронным представлением воображаемой речи и предпринятой речи, и что ее можно различить с помощью нейронного измерения, представляющего двигательное намерение.

«Мы исследовали возможность декодирования частной внутренней речи и обнаружили, что некоторые аспекты свободной внутренней речи могут быть декодированы во время задач на вспоминание последовательности и счет», — сообщили исследователи.

Использование искусственного интеллекта и глубокого обучения

Интересным открытием стало то, что непреднамеренного декодирования воображаемой речи можно избежать, потребовав от пользователя придумать ключевое слово для разблокировки нейрокомпьютерного интерфейса. Команда обнаружила, что у одного участника стратегия ключевых слов работала с точностью до 98,75% в экспериментах в реальном времени.

Нейрокомпьютерные интерфейсы используют искусственный интеллект (ИИ) для выявления паттернов в зашумленной записанной мозговой активности с целью прогнозирования предполагаемой речи. Ученые, проводившие это исследование, решили использовать архитектуру рекуррентной нейронной сети (РНС / Recurrent Neural Network - RNN) с пятью слоями для преобразования мозговой активности из воображаемой речи в временной ряд вероятностей фонем.

Рекуррентная нейронная сеть — это тип модели глубокого обучения ИИ, которая может обрабатывать и выдавать последовательные прогнозы из последовательных входных данных и часто используется для распознавания речи, обработки естественного языка (ОЕП / Natural Language Processing - NLP), создания подписей к изображениям и анализа настроений.

Перспективы развития вспомогательных технологий

С этим новым прорывным открытием ученые продемонстрировали, что нейрокомпьютерные интерфейсы могут декодировать проинструктированную воображаемую речь с большим словарным запасом, давая надежду и прокладывая путь к более быстрым и надежным вспомогательным технологиям для помощи парализованным и людям с ограниченными возможностями в будущем.

Авторское право © 2025 Кэми Россо (Cami Rosso). Все права защищены.