腦機介面裝置預測內部語言

摘要：一種新的腦機介面是目前為止最準確的，可以預測一個人的內心獨白。這項技術可以幫助那些因為疾病而影響說話能力的人有效地溝通。

來源：加州理工學院 (CalTech)

最新的加州理工學院研究顯示，植入人體大腦的設備，稱為腦機介面 (BMI)，未來可能幫助失去說話能力的病人。

在2022年美國神經科學學會會議上，研究人員展示了如何使用BMI準確預測一位四肢癱瘓參與者所想的單詞，而不是他說出或模仿的單詞。

加州理工學院的研究生莎拉·瓦德爾特 (Sarah Wandelt) 說：「你可能已經看過四肢癱瘓的人使用BMI控制機器手臂和手，例如抓起一瓶水喝水或吃一塊巧克力。」

瓦德爾特在11月13日的會議上表示：「這些新結果在語言和溝通方面非常有希望。我們使用BMI重建了語音。」

之前的研究在分析參與者在耳語或模仿單詞時，從運動區域記錄的大腦信號來預測語音方面取得了一些成功。但預測某人內心的對話則更困難，因為這不涉及任何動作，瓦德爾特解釋道。

瓦德爾特說：「過去，試圖預測內心語音的算法只能預測三到四個單詞，準確率低，或無法即時反應。」

這項新研究是目前為止最準確的內心語音預測。在這項研究中，研究人員從一個名為超邊緣回 (supramarginal gyrus) 的大腦區域記錄了單個神經元的信號，這個區域位於後頂葉皮層。研究人員在之前的研究中發現，這個大腦區域代表了口語單詞。

現在，研究團隊將其發現擴展到內心語音。在這項研究中，研究人員首先訓練BMI設備，以識別四肢癱瘓參與者在內心說出某些單詞時產生的大腦模式。這個訓練過程大約花了15分鐘。

然後，他們在螢幕上顯示一個單詞，並要求參與者在內心說出這個單詞。結果顯示，BMI算法能夠以高達91%的準確率預測八個單詞。

這項工作仍然是初步的，但可能幫助那些因腦部受傷、癱瘓或如漸凍人症 (ALS) 等影響說話的疾病的病人。

瓦德爾特說：「神經系統疾病可能導致自願肌肉完全癱瘓，讓病人無法說話或移動，但他們仍然能夠思考和推理。對於這類人群，內心語音BMI將非常有幫助。」

安德森 (Richard Andersen) 說：「我們之前已經展示了如何從人類超邊緣回解碼想像中的手形。」他補充說：「能夠從這個區域解碼語音，表明一個植入物可以恢復兩種重要的人類能力：抓取和說話。」

研究人員還指出，BMI無法用來讀取人們的思想；這個設備需要在每個人的大腦中單獨訓練，並且只有在一個人專注於這個單詞時才有效。

除了瓦德爾特和安德森，其他參與這項研究的加州理工學院作者還包括大衛·比亞尼斯 (David Bjanes)、凱爾西·佩賽 (Kelsie Pejsa)、布賴恩·李 (Brian Lee) 和查爾斯·劉 (Charles Liu)。李和劉是加州理工學院的訪問研究員，並在南加州大學的凱克醫學院 (Keck School of Medicine) 擔任教職。

關於這項神經科技研究新聞

作者：惠特尼·克拉文 (Whitney Clavin) 來源：加州理工學院 (CalTech) 聯絡：惠特尼·克拉文 – 加州理工學院 (CalTech) 圖片：該圖片為公有領域

原始研究：封閉訪問。「從人類參與者的單個神經元進行在線內心語音解碼」由莎拉·瓦德爾特等人撰寫。MedRxiv

摘要

語音腦機介面 (BMI) 將大腦信號轉換為單詞或音頻輸出，使那些因疾病或受傷而失去說話能力的人能夠溝通。

雖然在語音、嘗試和模仿語音解碼方面取得了重要進展，但內心語音解碼的結果仍然稀少，且尚未達到高功能性。值得注意的是，目前仍不清楚內心語音可以從哪些大腦區域解碼。

在這項工作中，一位植入微電極陣列的四肢癱瘓參與者在超邊緣回 (SMG) 和初級體感皮層 (S1) 進行了六個單詞和兩個虛構單詞的內心和口語語音。

我們發現從SMG單個神經元活動中進行穩健的內心語音解碼，在在線任務中達到高達91%的分類準確率（機會水平為12.5%）。

發現內心語音、單詞閱讀和口語語音過程之間存在共享的神經表徵。SMG能夠代表不同語言（英語/西班牙語）及虛構單詞，提供語音編碼的證據。

此外，我們的解碼器在多種內心語音策略（聽覺想像/視覺想像）中達到了高分類準確率。S1的活動受到口語語音的調節，但不受內心語音的影響，這表明在內心語音產生過程中並未發生發音器官的運動。

這項工作代表了高效內心語音BMI的首次概念驗證。