न्यूरोरेहॅबिलिटेशनमध्ये प्रगती: एकत्रित भाषण आणि इशारा नियंत्रण
एक नवीन मस्तिष्क-कंप्यूटर इंटरफेस लकवाग्रस्त व्यक्तींना एकत्रित भाषण आणि इशार्यांद्वारे संवाद साधण्याची परवानगी देतो, ज्यामुळे न्यूरोरेहॅबिलिटेशनमध्ये महत्त्वाची प्रगती होते.
एकल कॉर्टिकल इम्प्लांट लकवाग्रस्त वयस्कांसाठी समन्वित भाषण आणि शारीरिक इशारे सक्षम करतो.
या प्रणालीने वास्तविक वेळेत कार्यांमध्ये भाषणासाठी 75% आणि इशार्यांसाठी 85% अचूकता साधली.
नवीन प्रशिक्षण पद्धतींमुळे सिग्नल हस्तक्षेप दूर झाला, संवाद क्षमतांमध्ये वाढ झाली.
न्यूरोरेहॅबिलिटेशनमध्ये एक महत्त्वाचा विकास झाला आहे, ज्यामध्ये प्रगत मस्तिष्क-कंप्यूटर इंटरफेस प्रणाली लकवाग्रस्त व्यक्तींना एकत्रित भाषण आणि शारीरिक इशारे तयार करण्याची परवानगी देते. हा नैदानिक मीलाचा दगड एकल कॉर्टिकल इम्प्लांटच्या क्षमतेचे प्रदर्शन करतो, जो एकाच वेळी अनेक कार्यात्मक आउटपुट समन्वयित करू शकतो, ज्यामुळे या क्षेत्रातील एक महत्त्वाची अडचण दूर होते. पारंपरिक मस्तिष्क-कंप्यूटर इंटरफेस सामान्यतः एकल भाषण किंवा एकल अंगाच्या हालचालींचे डिकोडिंग करतात, परंतु प्रभावी मानवी संवाद सहसा नैसर्गिक इशार्यांच्या समन्वयावर अवलंबून असतो.
संशोधकांनी तीन व्यक्तींवर मूल्यांकन केले, जे मस्तिष्कातील तंतुच्या स्ट्रोक किंवा एमीट्रोफिक लेटरल स्क्लेरोसिसमुळे गंभीर आवाज आणि अंगांच्या लकव्यातून ग्रस्त होते. प्रत्येक प्रतिभागीला 253 इलेक्ट्रोडसह उच्च घनता असलेल्या सबड्यूरल इलेक्ट्रोकोर्टिकोग्राफी ग्रिडने सुसज्ज केले गेले, जे संवेदनशील-मोटर कॉर्टेक्समध्ये रणनीतिकरित्या ठेवले गेले. या अभ्यासाने दर्शविले की भाषण आर्टिकुलेटर आणि वरच्या अंगांच्या इशार्यांमध्ये वेगळ्या पण आंशिकपणे ओव्हरलॅपिंग न्यूरल लोकसंख्यांचा समावेश आहे, ज्यामुळे मस्तिष्काच्या क्रियाकलापात जटिल अंतःक्रिया स्पष्ट होते.
सुरुवातीला, या न्यूरल क्रियाकलापांचा स्थानिक ओव्हरलॅप अचूक डिकोडिंगसाठी आव्हान निर्माण करत होता. फक्त स्वतंत्र वर्तनावर प्रशिक्षित न्यूरल डिकोडर्स समवर्ती क्रियाकलापांदरम्यान संघर्ष करत होते, अनेकदा या प्रयत्नांना निष्क्रियता म्हणून चुकीच्या प्रकारे वर्गीकृत करत होते किंवा चुकीचे सक्रियण निर्माण करत होते. तथापि, संशोधन गटाने शोधले की समवर्ती मोटर वर्तन अद्वितीय लोकसंख्यात्मक पातळीवरचे नमुने तयार करतात, फक्त स्वतंत्र संकेतांच्या साध्या संयोजनाऐवजी, ज्यामुळे अधिक प्रगत डिकोडिंग धोरणांचा विकास झाला.
सिग्नल हस्तक्षेपाचे मुद्दे सोडवण्यासाठी, संशोधकांनी एक संदर्भ-समावेशी मॉडेल प्रशिक्षण दृष्टिकोन सादर केला, ज्याने स्वतंत्र आणि समवर्ती मोटर चाचण्यांचे एकत्रीकरण केले. त्यांनी क्रॉस-मोडल नकारात्मक सॅम्पलिंगचा वापर केला, ज्यामुळे भाषण डिकोडरला फक्त इशारा क्रियाकलापांना विश्रांती म्हणून ओळखण्याची आणि उलट करण्याची क्षमता मिळाली. या अभिनव प्रशिक्षण पद्धतीने विविध मोडालिटीजमध्ये खोटी सकारात्मक सक्रियण प्रभावीपणे समाप्त केली, तर उच्च वर्गीकरण अचूकता सुनिश्चित केली. वास्तविक वेळेत संवादात्मक कार्यांमध्ये चाचणी घेतल्यावर, प्रणालीने भाषणासाठी 75% आणि इशार्यांसाठी 85% प्रभावी डिकोडिंग अचूकता दर्शविली, ज्यामध्ये भाषणासाठी 0% खोटी सकारात्मक दर होती. ऑफलाइन मूल्यांकनाने पुढे पुष्टी केली की डिकोडर्स नवीन वाक्यांश आणि इशारा संयोजनांमध्ये सामान्यीकृत करण्यास सक्षम होते.
हे आशादायक परिणाम गंभीर लकवाग्रस्त व्यक्तींसाठी एक बहुपरकारी मस्तिष्क-कंप्यूटर इंटरफेस फ्रेमवर्कसाठी मार्ग प्रशस्त करतात. संशोधक या तंत्रज्ञानात सुधारणा करत राहिल्यास, प्रभावित व्यक्तींच्या संवाद आणि जीवनाच्या गुणवत्तेत सुधारणा होण्याची शक्यता वाढत आहे.
