Sebuah tim dari University of Geneva menunjukkan bahwa pelatihan individu meningkatkan decoding mesin-otak yang dibayangkan, menawarkan harapan baru bagi orang-orang dengan gangguan bahasa.
Antarmuka otak-mesin memiliki potensi untuk mengubah perawatan bagi individu yang tidak dapat berbicara. Namun, decoding bahasa internal tetap sangat menantang karena sinyal otak amplitudo rendah yang terlibat. Dengan melatih sukarelawan untuk membayangkan suku kata tertentu, sebuah tim dari University of Geneva menggunakan algoritma pembelajaran mesin untuk berhasil mendekode sinyal yang sesuai secara real time. Studi ini menunjukkan bahwa pelatihan yang dipersonalisasi dapat membantu individu mengendalikan antarmuka ini secara lebih efektif, sementara juga mengidentifikasi daerah otak yang terlibat dalam peningkatan ini. Diterbitkan di, penelitian ini membuka jalan bagi aplikasi praktis bagi orang dengan afasia.
Gangguan neurologis yang mempengaruhi bicara dan bahasa, seperti afasia setelah stroke, sklerosis lateral amyotrophic atau sindrom terkunci, dapat sangat merusak atau bahkan menghilangkan kemampuan seseorang untuk berkomunikasi. Kondisi ini memiliki dampak mendalam pada kualitas hidup. Dalam konteks ini, decoding ucapan yang dibayangkan melalui antarmuka otak-mesin adalah tantangan penelitian utama.
Karya ini menyoroti pentingnya pelatihan individu yang sebelumnya diremehkan dalam penggunaan antarmuka mesin otak.
'' Awalnya dikembangkan untuk mendeteksi citra motorik, seperti mengendalikan kursor pada layar, teknologi ini sekarang diterapkan untuk memecahkan kode pidato, '' jelas Silvia Marchesotti, asisten penelitian dan pengajaran senior di Departemen Neurosains Klinis di Fakultas Kedokteran Universitas Jenewa, yang ikut mengarahkan studi tersebut. '' Namun, penelitian terutama berfokus pada algoritma pelatihan untuk mengklasifikasikan dan menafsirkan data yang diperoleh secara retrospektif, dengan sedikit penekanan pada individu. ''
Melatih pikiran
Tim dari University of Geneva mengeksplorasi kemungkinan melatih individu untuk lebih mengendalikan antarmuka mesin otak. Untuk mencapai hal ini, mereka bertujuan untuk memecahkan kode, dalam waktu nyata sinyal neurofisiologis yang dihasilkan oleh otak ketika membayangkan pengucapan elemen bahasa. Ini menghadirkan tantangan yang signifikan, karena citra mental menghasilkan sinyal amplitudo rendah yang sulit dideteksi. Selain itu, menunjukkan momen yang tepat ketika seseorang mulai membayangkan suku kata atau kata -kata itu kompleks, terutama karena kemampuan ini bervariasi dari satu individu ke orang lain.
'' Studi terbaru telah menunjukkan bahwa dimungkinkan untuk memecahkan kode percobaan yang mencoba pada pasien yang telah kehilangan kemampuan untuk berbicara karena gangguan motorik. Namun, ini tidak layak untuk orang dengan afasia karena lokasi kerusakan otak mereka. Itulah sebabnya kami memilih untuk fokus pada pidato yang dibayangkan, “jelas Anne-Lise Giraud, profesor di Departemen Neurosains dasar di Fakultas Kedokteran Universitas Jenewa dan Direktur Institut Pendengaran, Institut Pasteur Center, yang ikut mengarahkan penelitian ini.
Lima belas sukarelawan sehat dilatih selama lima hari berturut-turut menggunakan antarmuka mesin otak yang mendekodekan electroencephalography (EEG) sinyal yang terkait dengan membayangkan dua suku kata ('' fo 'dan' 'gi'). Peserta, terhubung ke 61 elektroda, menerima umpan balik langsung tentang kinerja citra mereka melalui pengukur yang ditampilkan di layar. Semakin jelas representasi mental mereka dari suku kata, semakin banyak pengukur terisi, memberikan wawasan waktu nyata tentang kualitas citra mental mereka. Eksperimen ini dimungkinkan dengan menganalisis sinyal otak secara real time menggunakan mesin
Algoritma belajar.
Peningkatan yang signifikan
Meskipun variabilitas yang cukup besar dalam kinerja dan pembelajaran antar individu, peningkatan keseluruhan yang signifikan dalam mengendalikan antarmuka diamati. Eksperimen kontrol dengan sekelompok sukarelawan yang menerima umpan balik visual yang tidak teratur mengkonfirmasi bahwa hanya umpan balik terus menerus tentang aktivitas otak yang diterjemahkan – seperti dalam percobaan utama – memungkinkan pembelajaran yang efektif. Proses pembelajaran ini disertai dengan perubahan aktivitas saraf yang terkait dengan ucapan.
'' Peningkatan kinerja terkait dengan peningkatan kekuatan EEG di wilayah frontal, khususnya terkait dengan gelombang theta, serta peningkatan fokus di wilayah temporal kiri yang terkait dengan gamma, '' kata Kinkini Bhadra, seorang peneliti faptoral pertama di Departemen Neuroscience dasar di University of Geneva of Geneva of University of Geneva of The University of Geneva of the University of Geneva.
Karya ini menyoroti pentingnya pelatihan individu yang sebelumnya diremehkan dalam penggunaan antarmuka mesin otak. Ini juga mengidentifikasi daerah otak yang terlibat dalam produksi bicara yang dibayangkan, faktor penting untuk mengoptimalkan penempatan elektroda di antarmuka di masa depan. Fase selanjutnya dari penelitian ini akan melibatkan penerapan metode ini untuk individu dengan afasia, dengan tujuan mengembangkan alat untuk mempercepat pemulihan mereka. Penelitian ini akan dilakukan bekerja sama dengan Departemen Neuro-Rehabilitasi di Rumah Sakit Universitas Jenewa (HUG).
