Decodifica del silenzio. Le interfacce di nuova generazione saranno in grado di comunicare le persone paralizzate
Gli sviluppi più avanzati sono in grado di catturare e trasmettere le parole che una persona è silenziosamente pronunciata nella mente, senza la necessità di battere le palpebre, seguire gli occhi o provare a pronunciarli, scrive inverte. A fuoco, la tecnologia è apparsa il suo canale Telegram.
Iscriviti a non perdere la maggior parte delle informazioni e delle notizie interessanti dal mondo della scienza! La sindrome di una persona chiusa è una condizione medica in cui una persona è in piena coscienza, ma non può muoversi o comunicare verbalmente a causa della completa paralisi di quasi tutti i muscoli del corpo che una persona è in grado di controllare.
Spesso ciò è dovuto al danno alla gamma cerebrale causata da colpi, tumori, lesioni traumatiche, infezioni o malattie neurodegenerative come la sclerosi amimotrofica laterale. La frequenza della sindrome è ambigua a causa delle variazioni della capacità dei pazienti di comunicare attraverso movimenti oculari o lampeggiare. Sfortunatamente, alcune persone perdono completamente la mobilità, comprese le palpebre e le palpebre, il che rende la diagnosi ancora più complicata.
Spesso, i pazienti trascorrono in media 79 giorni in uno stato fisso prima che venga fatta la diagnosi corretta. Sarah Vandalt, una studentessa laureata del Dipartimento dei sistemi neurali e del calcolo a Kaltech, è entusiasta del potenziale di questa tecnologia, specialmente per coloro che sono completamente chiusi e non possono comunicare.
Studi recenti, tra cui Wandelt Research, sono promettenti perché forniscono prove preliminari che le interfacce cerebrali della macchina del cervello decodificano il linguaggio interno. Nonostante i cambiamenti positivi, gli esperti concordano sul fatto che è necessario un ulteriore sviluppo per rendere accessibili, pratiche e convenienti per i pazienti. La creazione di un'interfaccia cerebrale inizia con una determinazione di quale parte del cervello dovrebbe essere mirata.
Contrariamente all'otturatura dell'idea che la struttura del cranio dia un'idea del lavoro del cervello, oggi comprendiamo che le capacità cognitive derivano a causa di complesse interazioni tra numerose aree cerebrali. Questa complessità è sia una sfida che un'opportunità per la ricerca, poiché non esiste un singolo area di cervello responsabile del linguaggio interno, che consente a diverse aree di essere potenziali bersagli.
È degno di nota il fatto che Vandult e il suo collega David Bins hanno trovato una connessione tra discorso e giro supramarginale (SM) nel lobo parietale, che di solito è associato alla cattura di oggetti. Questa scoperta è stata fatta durante l'osservazione di un partecipante tetraplegico con una griglia di microelettrodi impiantata nei media. L'array ha registrato l'attività dei singoli neuroni, che è stata quindi elaborata dal computer.
Nel contesto della partita di calcio, Bians confronta il cervello con lo stadio, i neuroni con il pubblico ed elettrodi - con i microfoni abbassati nella folla per catturare eventi importanti. Il dispositivo impiantato tra i neuroni tiene traccia dei segnali elettrochimici, generato ogni volta che il neurone funziona, creando schemi sonori unici associati a determinate azioni o intenzioni.
I ricercatori di Caltech hanno insegnato con successo la loro interfaccia per la macchina del cervello per distinguere tra i modelli cerebrali creati quando il partecipante pronunciò silenziosamente sei parole e due pseudopolov. Il dispositivo ha raggiunto una precisione di oltre il 90% nel riconoscere le parole solo dopo 15 minuti di studio. Questo test di successo è stato il passo, con lo scopo finale di espandere il vocabolario per una comunicazione più significativa.
Un altro approccio innovativo mira a sviluppare un'interfaccia cerebrale che può riconoscere le singole lettere piuttosto che intere parole. Questo concetto è stato testato da Sean di Metzger, uno studente laureato presso l'Università della California a San Francisco e l'Università della California a Berkel. Questo approccio utilizza algoritmi di apprendimento automatico alla decodifica di frasi scritte silenziose, raggiungendo nella maggior parte dei casi il 92% dell'accuratezza.
Jun Wang, specialista in tecnologia informatica e lingua presso la Texas University di Austin, avverte che, nonostante i recenti progressi nello sviluppo di dispositivi di recupero delle lingue, questo settore è ancora nella fase iniziale dello sviluppo. È a favore del miglioramento dell'hardware e del software rendere questi dispositivi meno ingombranti, più accurati e più veloci.
Inoltre, i ricercatori studiano la possibilità di sviluppare interfacce non invasive della macchina del cervello e l'uso di metodi di visualizzazione avanzati per convertire i campi magnetici, generati dalle correnti cerebrali, nel testo. Il ripristino del linguaggio nei pazienti con blocco del parlato è un compito unico associato alla variabilità della codifica del linguaggio interno in persone diverse.