科学新闻 | “神经假肢”使瘫痪的人恢复语言

加州大学旧金山分校(UC San Francisco)的研究人员成功地研制出了一种“言语神经假体”，使一名严重瘫痪的人能够用句子进行交流，将大脑的信号直接转化为屏幕上出现的文字。

这项研究成果是与临床研究试验的第一位参与者合作开发的。这项研究建立在加州大学旧金山分校神经外科医生爱德华·张(EdwardChang)十多年的努力基础上，开发出一种技术，让瘫痪患者即使无法自己说话，也能进行交流。这项研究发表在7月15日的新英格兰医学杂志.上。

“据我们所知，这是第一次成功地从瘫痪、不能说话的人的大脑活动中直接解码出完整的单词，”加州大学旧金山分校神经外科主任琼·桑福德·威尔(Joan And Sanford Weill)、珍妮·罗伯逊(Jeanne Robertson)杰出教授、这项研究的资深作者张说。“它展示了通过利用大脑的自然语言机制来恢复沟通的强大希望。”

每年，成千上万的人因中风、意外事故或疾病而丧失说话能力。随着进一步的发展，本研究所描述的方法有一天可以使这些人充分交流。

将脑信号转化为言语

以前，神经修复术领域的工作重点是通过基于拼写的方法，逐个打印文字来恢复沟通。张的研究在一个关键的方面与这些努力不同：他的团队正在转换信号，以控制说话系统的肌肉，而不是移动手臂或手的信号，以便打字。张说，这种方法深入到自然和流畅的说话方面，并承诺更快速和有机的沟通。

他说：“通过演讲，我们通常以非常高的速度交流信息，每分钟可达150或200个单词。”他指出，使用打字、书写和控制光标的基于拼写的方法要慢得多，难度也大得多。“直截了当地说，就像我们在这里做的那样，有很大的优势，因为它更接近我们通常的说话方式。”

在过去的十年里，在UCSF癫痫中心接受神经外科手术的患者们通过在大脑表面放置电极阵列来确定癫痫发作的起源，促进了张的这一目标的进展。这些病人都有正常的语言能力，他们自愿接受大脑记录的语音相关活动的分析。这些病人志愿者的早期成功为目前瘫痪患者的试验铺平了道路。

在此之前，Chang和他在UCSFWeill神经科学研究所的同事绘制了与产生每个辅音和元音的声道运动相关的皮层活动模式。为了将这些发现转化为全词的语音识别，张实验室的博士后工程师、新研究的主要作者之一大卫·摩西博士，开发了对这些模式和统计语言模型进行实时解码的新方法，以提高准确性。

但他们在能够说话的参与者的演讲解码方面的成功并不能保证这项技术能在一个声道瘫痪的人身上起作用。“我们的模型需要学习复杂的大脑活动模式和预期的语言之间的映射，”摩西说。“当参与者不能发言时，这将是一个重大挑战。”

此外，研究小组也不知道控制声道的大脑信号对那些多年不能动声带的人是否仍然是完整的。摩西说：“最好的办法是试一试，看看这是否可行。”

前50个字

为了研究这种技术在瘫痪患者中的潜力，张与同事Karunesh Ganguly，医学博士，神经学副教授合作，发起了一项名为“Bravo”的研究(手臂和声音的脑-计算机接口恢复)。试验的第一位参与者是一位30多岁的男子，他在15年前遭受了一次破坏性的脑干中风，严重损害了他的大脑与声道和四肢之间的联系。自从受伤以来，他的头部、颈部和四肢的活动都非常有限，通过使用棒球帽上的指针在屏幕上戳字母来进行交流。

这位参与者要求被称为BRAVO 1，他与研究人员合作，创造了一个50字的词汇，张的团队可以通过使用先进的计算机算法从大脑活动中识别这些词汇。词汇--包括“水”、“家庭”和“好”这样的词汇--足以创造出数百个表达适用于BRAVO 1日常生活的概念的句子。

为了进行这项研究，Chang在BRAVO 1的语音运动皮层上植入了一个高密度的电极阵列。在参与者完全康复后，他的团队记录了这个大脑区域在48次会议和几个月内的22个小时的神经活动。在每一次会议中，BRAVO 1试图说出50个词汇中的每一个单词多次，而电极记录的大脑信号从他的言语皮层。

将尝试性言语翻译成文本

为了将记录下来的神经活动模式转化为特定的预期词，本研究的另外两位主要作者肖恩·梅茨格(Sean Metzger)、MS和杰西·刘(Jessie Liu)，这两位在常实验室的生物工程博士生，都使用了自定义神经网络模型，这是人工智能的形式。当参与者试图说话时，这些网络区分大脑活动中的微妙模式，以检测语言尝试，并识别他想说的话。

为了测试他们的方法，研究小组首先向BRAVO 1展示了由50个词汇组成的短句，并让他试着说几遍。当他尝试的时候，这些单词从他的大脑活动中一个接一个地在屏幕上被解码出来。

然后，团队转向向他提出诸如“你今天过得怎么样”这样的问题。“你想喝点水吗？”和以前一样，BRAVO 1的尝试演讲出现在屏幕上。“我很好，”和“不，我不渴。”

研究小组发现，该系统能够以每分钟18字的速度解码大脑活动中的单词，准确率高达93%(中位数75%)。摩西应用的一种语言模型实现了“自动校正”功能，类似于消费者短信和语音识别软件所使用的功能，这是成功的原因之一。

摩西把早期的审判结果描述为一种原则的证明。他说：“看到各种有意义的句子的准确解码，我们感到非常兴奋。”“我们已经证明，以这种方式促进交流实际上是可能的，而且它在会话设置中也有使用的潜力。”

展望未来，张和摩西说，他们将扩大试验，以包括更多受严重瘫痪和沟通障碍影响的参与者。该团队目前正在努力增加可用词汇表中的单词数量，并提高语速。

两人都说，虽然研究的重点是单一参与者和有限的词汇量，但这些限制并不会削弱这项成就。“对于一个无法自然交流的人来说，这是一个重要的技术里程碑，”摩西说，“它展示了这种方法为严重瘫痪和语言丧失的人提供声音的潜力。”

版权申明：本文系“启帆医学BioSCI”公众号整理的文章，编辑后增加的插图均来自于互联网，对文中观点保持中立，对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证，不对文章观点负责，仅作分享之用，文章版权属于原作者。如果分享内容侵犯您的版权或者非授权发布，请及时与我们联系，我们会及时审核处理。