یک ایمپلنت کوچک یا تراشه پیوندی به مغز می‌تواند سیگنال‌های مغز را به گفتار تبدیل کند.
 
در طی فرایند صحبت و گفتار، مغز ما با ارسال پیام‌های عصبی، حرکات پیچیده‌ای را در ماهیچه‌ها در دهان و گلو را طراحی می‌کند تا صدا‌سازی صورت بگیرد.

در یک پیشرفت جدید، دانشمندان توانسته‌اند مجموعه بزرگی از حسگر‌های کوچک را در فضایی به اندازه یک تمبر پستی بگنجانند تا این ترکیب پیچیده سیگنال‌های الکتریکی مغز را بتواند بخواند تا صدا‌هایی را که فرد می‌خواهد تولید کند، پیش‌بینی کنند.

«پروتز گفتار»، دریچه‌ای را به روی آینده‌ای باز می‌کند که در آن افرادی که به دلیل بیماری‌های عصبی قادر به صحبت نیستند، بتوانند از طریق فکر با هم ارتباط برقرار کنند.

واکنش اولیه شما ممکن است این باشد که این ایمپلنت می‌تواند ذهن‌خوانی کند. اما به طور دقیق‌تر، این حسگر‌ها تشخیص می‌دهند که کدام ماهیچه‌ها را می‌خواهیم در لب‌ها، زبان، فک و حنجره خود حرکت دهیم.

گرگوری کوگان، یک عصب‌شناس از دانشگاه دوک و محقق ارشد این پژوهش می‌گوید: «بیماران زیادی هستند که از اختلالات حرکتی ناتوان‌کننده مانند ALS (اسکلروز جانبی آمیوتروفیک) یا سندرم قفل شدگی رنج می‌برند که می‌تواند توانایی صحبت کردن آن‌ها را مختل کند. اما ابزار‌های فعلی موجود برای برقراری ارتباط با آنها عموماً بسیار کند و دست و پا گیر هستند.

فناوری جدید، گفتار را با نیمی از سرعت عادی صحبت کردن، رمزگشایی می‌کند. با قرار دادن الکترود‌های بیشتری را روی یک آرایه کوچک و افزایش دقت می‌تواند تاخیر را کمتر کرد و بر میزان سرعت افزود.

محققان آرایه الکترود خود را بر روی پلاستیک انعطاف‌پذیر بسیارنازک پزشکی، با الکترود‌هایی با فاصله کمتر از دو میلی‌متر از یکدیگر ساخته‌اند که می‌تواند سیگنال‌های خاص را حتی از نورون‌های بسیار نزدیک به هم تشخیص دهد.

برای آزمایش میزان کارایی این تراشه‌ها، آن‌ها به طور موقت دستگاه خود را در چهار بیمار بدون اختلال گفتار کاشته‌اند. این بیماران باید به دلایل دیگر جراحی مغز می‌شدند. سه نفر از آن‌ها به دلیل اختلالات حرکتی و یکی برای برداشتن یک تومور و آنها رضایت دادند که برای تحقیق این تراشه در مغزشان گذاشته شود.

آنها زمان کمی برای کار خود داشتند و باید ظرف 15 دقیقه تراشه‌ها را بعد از انجام عمل اصلی قرار می‌دادند.
بعد از کاشت تراشه،  فعالیتی در قشر حرکتی مسئول گفتار مغز ثبت شد و الگوهای واج‌های مختلف باید از روی سیگنال‌ها شناسایی می‌شدند.

یک مهندس زیست پزشکی دانشگاه دوک، از یک الگوریتم یادگیری ماشینی برای ارزیابی اطلاعات ارسالی استفاده کرد تا مشخص کند فعالیت مغز چقدر می‌تواند پیشبینی‌کننده گفتار باشد.

برخی صدا‌ها با دقت 84 درصد پیش‌بینی می‌شدند، اما در موقعیت‌های پیچیده‌تر، میزان دقت رمزگشایی به 40 درصد کاهش می‌یافت.
این فناوری موجود به ساعت‌ها منبع داده برای بهود رمزگشایی نیاز دارد و محققان تازه در آغاز کار هستند.

سحر موحد

Source


«Channel of Science is for all»