Kan gavne millioner: AI giver stemme til de stumme

Udfordringer med talen kan have et væld af årsager, for eksempel kroniske sygdomme og traumer som hjerneskade eller blødning.

Nu er der godt nyt til alle tale-udfordrede, lyder det i to studier (1, 2), der netop er offentliggjort i det anerkendte videnskabelige tidsskrift Nature.

To nye såkaldt Brain–Computer Interfaces (BCI) kan oversætte hjerneaktivitet til mekanisk tale hurtigere, med større ordforråd og færre fejl end tidligere.

Det kan hjælpe personer med neurologiske forstyrrelser, heriblandt hjerneskade, lammelse og sklerose, til at kommunikere i næsten normalt tempo.

»Det er noget, jeg ved, at især patienter med Amyotrofisk Lateral sklerose (ALS) i Danmark har et kæmpestort ønske om,« fortæller Benjamin Svejgaard, læge og PhD-studerende ved Center for Neuroteknologi og Rehabilitering ved Aalborg Universitet.

Han har ikke været involveret i de nye studier men har gennemgået dem for Videnskab.dk.

»ALS-patienter mister gradvist evnen til at bruge musklerne og dermed også til at kunne tale. De er ofte stadig kognitivt intakte, så de har et stort ønske om at tale og interagere med deres omverden. Og det er fuldstændig fantastisk, at der i Nature kommer ikke ét, men to eksemplarer på teknologi der kan gøre det,« fortæller Benjamin Svejgaard.

Bedre og hurtigere

Tidligere studier har demonstreret, at det er muligt at afkode tale fra hjerneaktivitet, men kun i tekstform – og med begrænset hastighed, nøjagtighed og ordforråd. Men de to nye BCI’er giver den teknologi baghjul.

Efter at have kalibreret computeren med en række øvelser, hvor den 'trænes' til at genkende bestemte forsøg på at tale, var BCI’en i stand til at gengive budskaber, som en patient med ALS forsøgte at kommunikere – bedre og hurtigere end nogensinde før.

»Man har haft teknologier til at få signalet ud af hjernen, men det der med at forstå, 'hvad betyder signalet?', der når vi kvantespring i de her år, fordi kunstig intelligens, der kan oversætte hjernesignaler, det bliver bedre og bedre. Så det overrasker mig ikke at det her det kommer nu,« tilføjer Benjamin Svejgaard, der sidder i styregruppen for Center for Neuroteknologi og Rehabilitering og er projektleder på projektet BCI-STAR.

Elektroder i hjernen

Forskerne har testet to udgaver af BCI’en: Den ene, som er udviklet af Frank Willett fra det anerkendte Stanford University, og hans kolleger, måler hjerneaktivitet helt ned på enkelcelle-niveau med fine elektroder indsat direkte i hjernen.

Denne udgave, som kan ses i videoen øverst i artiklen, kunne gengive tale med 62 ord i minuttet, 3,4 gange hurtigere end den hidtidige rekord for et lignende apparat. Gennemsnitshastigheden for almindelig samtale er omkring 160 ord i minuttet.

Med et ordforråd på 50 ord kunne BCI’en reducere fejlprocenten til 9,1 procent – 2,7 gange færre fejl end den hidtil bedste tale-BCI fra 2021. Med et ordforråd på 125.000 ord var fejlprocenten 23,8.

Elektroder i hjernen er et invasivt indgreb, der kommer med nogen risici, så denne metode vil man typisk kun bruge på meget syge patienter.

Udvendig måling

Den andet forsøg blev udført af Edward Chang og hans kolleger med en mindre invasiv version af BCI’en. Her blev såkaldte non-invasive-elektroder monteret uden på kraniet og målte mange cellers aktivitet over hele talecentret.

En Deep Learning-model indsamlede data fra en patient med svær lammelse, forårsaget af en blødning på hjernestammen, mens hun forsøgte at sige hele sætninger lydløst.

BCI’en afkodede hjernesignalerne til at genere tre forskellige outputs:

• Tekst
• Hørbar tale
• En talende ’avatar’ - altså en digital repræsentant for brugeren

Hjerne-til-tekst-oversættelsen generede gennemsnitligt 78 ord i minuttet, 4,3 gange hurtigere end den hidtidige rekord og endnu tættere på almindelig samtalehastighed.

’Imponerende’ og ’fantastisk’

BCI opnåede en fejlprocent på 4,9 procent ud fra et sæt på 50 sætninger – 5 gange færre fejl end den bedste eksisterende teknologi.

Med et ordforråd på over 1.000 ord var fejlraten på 25 procent.

Med et ordforråd på over 39.000 ord var fejlraten 28 procent.

Hjernesignalerne blev også oversat direkte til syntetisk tale, som utrænede lyttere kunne forstå. Her demonstrerede den en fejlrate på 28 procent ud af 529 sætninger.

.

»De tal, de kan mønstre, med den lave fejlrate og den hastighed, virker enormt imponerende,« fortæller Benjamin Svejgaard, og tilføjer:

»Hvis man kan opnå noget lignende, uden at man skal til at sætte elektroder ind i hjernen med en infektionsrisiko, med en stor operation og alle mulige langsigtede bivirkninger vi ikke kender til, så er det jo helt fantastisk!«

Det økonomiske aspekt

Hartwig Siebner, der er forskningsleder i Funktions- og Billeddiagnostisk Enhed på Hvidovre Hospital, samt klinisk professor med særligt fokus på præcisionsmedicin ved Københavns Universitet, er enig med Benjamin Svejgaard:

»Studierne er et vigtigt skridt hen imod en klinisk brug af BCI i patienter, som har mistet deres stemme på grund af lammende neurologiske skader og sygdomme. Den næste vigtige udfordring er, hvordan teknikken kan videreudvikles, således at den kan bruges mere udbredt i klinikken.«

Benjamin Svejgaard understreger istemmende, at den væsentligste forhindring fremadrettet ser ud til at være økonomisk:

»De her systemer kommer ikke i handel, før der er et økonomisk incitament, og der kommer der først, når det bliver så billigt, at patienter har råd til at købe det. Og der ser jeg især potentiale i løsning nr. to, den non-invasive: Det er det vi allerhelst vil have,« forklarer han og afslutter:

»Det her, det er stort. Det er der virkelig mange patienter, der har brug for. Hvis resultaterne er, som de siger, så er der millioner af mennesker på verdensplan, der kan få gavn af denne teknologi, hvis det kommer kommercielt i handelen.«