Una neuroprótesis de alto rendimiento para la decodificación del habla y el control de avatares

Área de la Ciencia:

• La neurociencia
• Ingeniería biomédica
• Inteligencia artificial

Sus antecedentes:

• Restaurar la comunicación para las personas con parálisis es un desafío significativo.
• Las neuroprótesis de habla existentes a menudo carecen de velocidad y expresividad naturalistas.
• La parálisis grave de las extremidades y la voz limita gravemente las habilidades de comunicación.

Objetivo del estudio:

• Desarrollar una neuroprótesis de habla de alto rendimiento en tiempo real.
• Para permitir la salida de comunicación multimodal (texto, audio del habla, animación facial).
• Para restaurar la comunicación corporal de las personas con parálisis severa.

Principales métodos:

• Grabaciones de electrocorticografía de superficie de alta densidad (ECoG) de la corteza del habla.
• Modelos de aprendizaje profundo entrenados en datos neuronales de intentos de habla silenciosa.
• Decodificación en tiempo real a través de texto, habla sintetizada y modalidades de animación de avatares.

Principales resultados:

• Logró una rápida decodificación de texto de gran vocabulario a 78 palabras por minuto con una tasa de error de palabra del 25%.
• Demostró una síntesis de voz inteligible y personalizada, que coincide con la voz del participante antes de la lesión.
• Habilitado el control de la animación facial-avatar para el habla y los gestos no verbales.
• Alto rendimiento del decodificador alcanzado en dos semanas de entrenamiento.

Conclusiones:

• Un enfoque neuroprótesis del habla multimodal muestra una promesa significativa para restaurar la comunicación.
• Esta tecnología puede proporcionar una comunicación completa y encarnada para las personas con parálisis severa.
• El entrenamiento rápido y el alto rendimiento indican la viabilidad clínica para las interfaces cerebro-computadora.