Implante cerebral transforma pensamentos em palavras em tempo recorde

Já faz algum tempo que cientistas vêm desenvolvendo dispositivos que são capazes de “ler nossa mente” para realizar diferentes funções. Desde ajudar a movimentar membros até permitir que pessoas que perderam a fala, possam falar novamente.

E este último caso ganhou um importante avanço, que, no futuro, poderá fazer com que pessoas com esclerose lateral amiotrófica (ELA) possam se comunicar com mais facilidade.

Transformando pensamentos em palavras

(Fonte: Universidade Brown)

Pat Bennett foi diagnosticada com ELA em 2012. Desde então, ele começou a perder a capacidade de falar de forma inteligível. Seu cérebro consegue formular as instruções necessárias para se comunicar, porém seus músculos não conseguem mais executar os comandos.

Hoje, com 68 anos, ela é voluntária de um estudo que pode mudar isso. Bennett conseguiu gerar uma taxa de 62 palavras por minuto utilizando uma interface cérebro-computador (BCI). Esse número impressiona por ser mais de três vezes mais rápido do que os registros anteriores para a comunicação assistida por esse tipo de tecnologia.

O BrainGate, que é o implante experimental utilizado, foi colocado em duas regiões separadas do córtex cerebral de Bennett, relacionadas à fala. Enquanto ela pensava nas palavras, um algoritmo de inteligência artificial recebia e decodificava as informações produzidas pelo cérebro, que ia aprendendo a distinguir a fala das outras atividades cerebrais.

Foram necessárias aproximadamente 25 sessões de quatro horas de treinamento para que o algoritmo pudesse reconhecer padrões de atividade cerebral associados a fonemas específicos. 

Em um cenário de 125 mil palavras, a taxa de erro foi de quase 24%. Embora seja um valor alto, ele é significativamente mais preciso do que outros, quando comparado com a velocidade da fala gerada. Porém, Leigh Hochberg, neurologista da Universidade Brown e líder do estudo, lembra que o BrainGate ainda é um protótipo e não um dispositivo pronto para uso diário.

Devolvendo a voz

(Fonte: GettyImages)

Outro estudo similar envolveu uma paciente que sofreu um AVC no tronco cerebral. Ela também perdeu a capacidade de falar e foi submetida a um estudo semelhante, com o uso de deep learning, que avaliava a atividade cerebral enquanto a paciente tentava falar frases silenciosamente.

Nesse caso, o resultado obtido depois de duas semanas de treinamento, foi uma taxa média de 78 palavras por minuto e 25% de erro, durante o processamento. Quando o BCI que ela utilizou traduzia o pensamento para uma fala sintetizada, o modelo teve uma taxa de erro de 54,4% para um vocabulário de 1.024 palavras e de 8,2% para um vocabulário de 119 palavras. 

Assim como o caso de Bennett, trata-se de um estudo em desenvolvimento, que ainda precisa ser validado em outros pacientes com graus variados de paralisia. Porém, um diferencial está no uso de uma voz sintetizada que simula a voz original da paciente. Isso foi possível, ao colocar o modelo usado para o processamento para interpretar um vídeo dela antes da lesão.

A paciente disse que “o simples fato de ouvir uma voz semelhante à minha é emocionante. Ser capaz de falar em voz alta é muito importante. Nos primeiros 7 anos após meu AVC, tudo que usei foi um papel timbrado”.