Ein Team der Universität Genf zeigt, dass individuelles Training die Dekodierung von Sprache verbessert, die von einer Gehirn-Maschine-Schnittstelle imaginiert wird. Eine Hoffnung für Menschen mit Sprachstörungen.
Gehirn-Maschine-Schnittstellen haben das Potenzial, die Versorgung von Menschen mit Sprachverlust zu revolutionieren. Die Entschlüsselung unserer inneren Sprache ist jedoch äußerst komplex, vor allem aufgrund der schwachen Gehirnsignale, die damit verbunden sind. Indem sie Freiwillige aufforderte, sich bestimmte Silben vorzustellen, hat ein Team der Universität Genf diese neurophysiologischen Signale mithilfe von Algorithmen des künstlichen Lernens in Echtzeit entschlüsselt. Sie zeigt, dass es möglich ist, Menschen zu trainieren, sich diese Schnittstellen besser vorzustellen und somit besser zu steuern. Sie erläutert auch die Gehirnbereiche, die an dieser Verbesserung beteiligt sind. Diese in Communications Biology veröffentlichte Arbeit ebnet den Weg für konkrete Anwendungen für Menschen, die an Aphasie leiden.
Neurologische Störungen, die sich auf Sprache und Sprechen auswirken, wie z. B. Aphasie nach einem Schlaganfall, amyotrophe Lateralsklerose oder Locked-in-Syndrom, können die Fähigkeit, sich auszudrücken, stark beeinträchtigen oder sogar ganz abhandenkommen lassen. Diese Situationen haben dramatische Auswirkungen auf die Lebensqualität. In diesem Zusammenhang ist die Entschlüsselung der inneren Sprache über eine Gehirn-Maschine-Schnittstelle eine echte Herausforderung für die Forschung.
Diese Arbeiten unterstreichen die bislang unterschätzte Bedeutung des individuellen Trainings bei der Nutzung von Gehirn-Maschine-Schnittstellen.
’Zunächst wurde diese Technologie genutzt, um motorische Absichten zu erkennen, wie etwa das Steuern eines Cursors auf einem Bildschirm, jetzt interessiert sie sich auch für Sprache’, erklärt Silvia Marchesotti, Oberassistentin an der Abteilung für klinische Neurowissenschaften der medizinischen Fakultät der Universität Genf, die die Studie mit leitete. ’Allerdings konzentriert sich die Forschung vor allem auf die Maschine, indem Algorithmen trainiert werden, die gewonnenen Daten zu klassifizieren und im Nachhinein zu interpretieren, aber kaum auf das Individuum.’
Trainieren Sie Ihre Vorstellungskraft
Das Team der Universität Genf fragte sich, ob es möglich wäre, Menschen zu trainieren, diese Schnittstellen besser zu kontrollieren. Zu diesem Zweck versuchte es, die neurophysiologischen Signale, die das Gehirn beim Vorstellen von Sprachelementen aussendet, in Echtzeit zu entschlüsseln. Eine große Herausforderung, denn die Signale, die bei der mentalen Bilderzeugung entstehen, haben eine geringe Amplitude und sind daher schwer zu erfassen. Und wie kann man genau feststellen, wann eine Person beginnt, sich Silben oder Wörter vorzustellen? Diese Fähigkeit ist von Mensch zu Mensch unterschiedlich.
’Neuere Studien haben gezeigt, dass es möglich ist, Sprechversuche bei Menschen zu entschlüsseln, die aufgrund einer motorischen Störung die Fähigkeit verloren haben, sich auszudrücken. Bei Patientinnen und Patienten mit Aphasie ist dieser Ansatz jedoch aufgrund der Lokalisation der Hirnschädigung nicht praktikabel. Deshalb haben wir uns für das imaginierte Sprechen entschieden’, erläutert Anne-Lise Giraud, Professorin an der Abteilung für grundlegende Neurowissenschaften der medizinischen Fakultät der Universität Genf und Leiterin des Institut de l’audition, Centre de l’Institut Pasteur, die die Studie mit leitete.
Fünfzehn gesunde Freiwillige trainierten an fünf aufeinanderfolgenden Tagen mit einem Gehirn-Maschine-System, das die Elektroenzephalographie (EEG)-Signale entschlüsselte, die mit der Vorstellung von zwei Silben (’fo’ und ’gi’) verbunden waren. Die Teilnehmerinnen und Teilnehmer, die an 61 Elektroden angeschlossen waren, erhielten eine unmittelbare Rückmeldung über ihre Leistung in Form einer auf dem Bildschirm angezeigten Anzeige. Je genauer das mentale Bild der Silben war, desto mehr füllte sich die Anzeige und gab somit ein direktes Feedback über die Qualität ihrer Darstellung. Dieses Experiment wurde durch die Analyse der Gehirnsignale in Echtzeit mit Hilfe von Machine-Learning-Algorithmen ermöglicht.
Deutliche Verbesserung
Trotz der starken Variabilität der Leistung und des Lernens zwischen den Individuen konnte insgesamt eine deutliche Verbesserung der Kontrolle über die Schnittstelle beobachtet werden. Ein Kontrollexperiment mit einer Gruppe von Freiwilligen, die unregelmäßiges visuelles Feedback erhielten, zeigte, dass nur ein kontinuierliches Feedback zur dekodierten Aktivität - wie im Hauptexperiment - dieses Lernen ermöglichte. Letzteres beinhaltet Veränderungen der sprachbezogenen neuronalen Aktivität.
Wir haben außerdem festgestellt, dass die Leistungssteigerung mit einer Zunahme der EEG-Leistung in der mit den Theta-Wellen verbundenen frontalen Region und einer fokalen Verstärkung in der mit den Gamma-Wellen verbundenen linken temporalen Region verbunden war’, sagt Kinkini Bhadra, Postdoktorandin in der Abteilung für grundlegende Neurowissenschaften der medizinischen Fakultät der Universität Genf und Erstautorin der Studie.
Diese Arbeiten unterstreichen die bislang unterschätzte Bedeutung des individuellen Trainings bei der Nutzung von Gehirn-Maschine-Schnittstellen. Sie identifizieren außerdem die Gehirnregionen, die an der Produktion von vorgestellter Sprache beteiligt sind, was ein Schlüsselelement für die Optimierung der Elektrodenpositionierung zukünftiger Schnittstellen ist. Die Studie wird mit Aphasikern fortgesetzt, um in Zusammenarbeit mit der Abteilung für Neurorehabilitation des Universitätskrankenhauses Genf (HUG) ein Instrument zu entwickeln, das die Genesung der Betroffenen beschleunigen soll.
