B­e­y­i­n­ ­i­m­p­l­a­n­t­l­a­r­ı­ ­f­e­l­ç­l­i­ ­k­i­ş­i­l­e­r­ ­i­ç­i­n­ ­i­l­e­t­i­ş­i­m­i­ ­y­e­n­i­d­e­n­ ­s­a­ğ­l­a­y­a­b­i­l­i­r­

B­e­y­i­n­ ­i­m­p­l­a­n­t­l­a­r­ı­ ­f­e­l­ç­l­i­ ­k­i­ş­i­l­e­r­ ­i­ç­i­n­ ­i­l­e­t­i­ş­i­m­i­ ­y­e­n­i­d­e­n­ ­s­a­ğ­l­a­y­a­b­i­l­i­r­


Bugün yayınlanan iki ayrı çalışma Doğa gelecekte beyin-bilgisayar arayüzlerinin (BCI), şiddetli felç nedeniyle konuşamayan insanlar için iletişimi yeniden sağlamaya yardımcı olabileceğini gösteriyor. Her iki çalışmada da araştırmacılar, beyin sinyallerini alabilen ve daha sonra algoritmalar kullanılarak ekranda cümlelere çevrilebilen beyin implantları kullandılar. Bu yeni bir kavram olmasa da heyecan verici olan şey, her iki araştırma ekibinin de bunu mevcut teknolojilerden çok daha hızlı ve daha doğru bir şekilde yapabilmesidir.

İçinde Stanford’da eğitimAraştırmacılar, bir hastanın beynine elektrotlar yerleştirdiler. Amyotrofik Lateral skleroz (ALS) konuşmayla ilgili iki alanda görülür. BCI, hasta konuşmaya çalışırken beyin aktivitesini tespit etmek için tasarlandı. Bu sinyaller daha sonra belirli beyin aktivite modellerini fonemlerle (konuşmayı oluşturan seslerle) ilişkilendiren bir algoritmaya beslendi. Algoritmayı eğitmek için araştırmacılar hastanın denemesini sağladı. Her biri yaklaşık dört saat süren 25 oturum boyunca örnek cümleleri seslendirin veya sessizce söyleyin.

İçinde UC San Francisco ve UC Berkeley çalışması, araştırmacılar, beyin sapı felçinden dolayı şiddetli felç geçiren bir kişinin beynine 253 elektrot içeren kağıt inceliğinde bir tabakayı cerrahi olarak yerleştirdiler. Stanford araştırmasında olduğu gibi araştırmacılar, hastaya, hangi beyin sinyallerinin farklı fonemlerle ilişkili olduğunu tanıyabilmesi için konuşmaya çalışarak algoritmayı eğitmesini sağladı. Bu sinyaller daha sonra dijital bir avatar üzerinde yüz ifadelerine ve modüle edilmiş konuşmaya dönüştürüldü.

Çalışmalarda biraz farklı yaklaşımlar kullanılsa da sonuçlar doğruluk ve hız açısından benzerdi. Stanford araştırması, 50 kelimelik bir kelime dağarcığıyla sınırlandırıldığında yüzde 9,1’lik bir hata oranına ve 125.000 kelimelik bir kelime dağarcığına genişletildiğinde ise yüzde 23,8’lik bir hata oranına sahipti. Yaklaşık dört ay sonra, Stanford algoritması beyin sinyallerini dakikada yaklaşık 68 kelime hızında kelimelere dönüştürebildi. UC San Francisco ve Berkeley algoritması ortalama 78wpm hızında kod çözmeyi başardı. 119 kelimelik bir kelime dağarcığı için yüzde 8,2’lik bir hata oranına ve 1.024 kelimelik bir kelime dağarcığı için kabaca yüzde 25’lik bir hata oranına sahipti.

Yüzde 23 ila 25’lik bir hata oranı günlük kullanım için yeterince iyi olmasa da, mevcut teknolojiye göre önemli bir gelişmedir. UCSF nörolojik cerrahi başkanı ve UCSF çalışmasının ortak yazarı Edward Chang, bir basın toplantısında, doğal teknoloji için 150 ila 250 wpm ile karşılaştırıldığında mevcut teknoloji için etkili iletişim hızının beş ila 15 wpm’de “zahmetli” olduğunu belirtti. konuşma.

Chang brifingde şunları söyledi: “Altmış ila 70 wpm genel olarak alanımız için gerçek bir kilometre taşıdır çünkü iki farklı merkezden ve iki farklı yaklaşımdan gelmektedir.”

UCSF çalışması, beyin sinyallerini yüz ifadelerine çeviren bir BCI’yı ve dijital bir avatar üzerinde konuşmayı modüle etmeyi içeriyordu.
Resim: UCSF

Bununla birlikte, bu çalışmalar prime time’a hazır bir teknolojiden ziyade konseptin kanıtı niteliğindedir. Potansiyel sorunlardan biri, bu tedavilerin algoritmayı eğitmek için uzun oturumlar gerektirmesidir. Ancak her iki ekipten araştırmacılar bir brifingde basına, algoritma eğitiminin gelecekte daha az yoğun olacağı konusunda umutlu olduklarını söyledi.

“Bunlar çok erken çalışmalar ve diğer insanlardan gelen büyük bir veri veritabanımız yok. Bu kayıtlardan daha fazlasını yapıp daha fazla veri elde ettikçe, algoritmaların diğer insanlardan öğrendiklerini yeni insanlara aktarabilmeliyiz” diyor Howard Hughes Tıp Enstitüsü’nde araştırma bilimcisi ve Stanford’un ortak yazarı Frank Willett. çalışmak. Ancak Willett bunun garanti edilmediğini ve daha fazla araştırmaya ihtiyaç olduğunu belirtti.

Diğer bir konu ise teknolojinin, bakıcıların karmaşık bir eğitimden geçmesini gerektirmeden, insanların evde kullanabileceği kadar kolay olması gerektiğidir. Beyin implantları da invaziftir ve bu özel çalışmalarda BCI’nın kablolar aracılığıyla cihazın dışındaki bir cihaza bağlanması gerekiyordu. daha sonra bir bilgisayara bağlanan kafatası. Ayrıca elektrot bozulması ve bunların kalıcı çözüm olmayabileceği konusunda da endişeler var. Tüketici kullanımına ulaşmak için teknolojinin titizlikle incelenmesi gerekecek, bu da uzun ve pahalı bir süreç olabilir.

Bu teknolojinin kablosuz versiyonunun mümkün olup olmadığını görmek için daha fazla araştırmaya ihtiyaç var.
Resim: Noah Berger, UCSF

Ayrıca, hareket etme yeteneği hala devam eden hastalar üzerinde de çalışmalar yürütüldü. Geç evre ALS gibi bazı nörolojik durumlar “kilitli kalma sendromu.” Bu durumda kişi hala düşünme, görme ve duyma yeteneğine sahiptir ancak yalnızca gözlerini kırpıştırarak veya diğer küçük hareketlerle iletişim kurabilir. Kilitlenme sendromu olan kişiler bu tür teknolojiye en çok ihtiyaç duyan kişilerdir, ancak bu yöntemin etkili olup olmayacağını görmek için daha fazla araştırmaya ihtiyaç vardır.

Chang, “İkimizi de gerçekten heyecanlandıran bir performans eşiğini aştık, çünkü bu kullanılabilirlik eşiğini geçiyor” diyor ve güvenli ve geniş çapta uygulanabilirse bu teknolojinin potansiyel faydasının çok büyük olduğunu belirtiyor. “Bunu oldukça ciddi bir şekilde ve sonraki adımların ne olacağını düşünüyoruz.”


Popular Articles

Latest Articles

Other Articles