Felçli Bir İnsanın Düşünceleri Yazıya Dönüştürüldü

0
34
Dr. Eddie Chang ve konuşmasına yardım ettiği hasta. Fotoğraf: Mike Kai Chen/The New York Times

San Francisco – California Üniversitesi’nde (SFCÜ) çalışan araştırmacılar, ağır derecede felçli bir insanın cümleler ile iletişim kurmasını sağlayan bir “konuşma nöroprotezi” geliştirmişler. Sistem, kişinin beyninden çıkıp ses tellerine giden sinyalleri doğrudan ekrandaki kelimelere dönüştürüyor.

Yürütülen klinik bir araştırma deneyinin ilk katılımcısıyla ortaklaşa şekilde geliştirilen bu başarı, SFCÜ’de çalışan beyin cerrahı Dr. Edward Chang’in kendi başlarına konuşamayan felçli insanların iletişim kurmasını sağlayacak bir teknoloji geliştirmek amacıyla on yıldan uzun zamandır yürüttüğü çalışmalara dayanıyor. Araştırma dün New England Journal of Medicine bülteninde yayımlandı.

“Bildiğimiz kadarıyla bu gelişme, felçli olan ve konuşamayan birinin beyin faaliyetindeki tam kelimelerin ilk defa başarılı şekilde doğrudan çözülmesini temsil ediyor” diyor Chang. “Beynin doğal konuşma mekanizmasından faydalanılarak iletişimin yeniden kazandırılmasında büyük bir umut vadediyor.”

Her sene binlerce insan inme, kaza veya hastalık sebebiyle konuşma yetisini kaybediyor. Bu çalışmada tarif edilen yeni yaklaşım daha da geliştirilirse, günün birinde bu insanların tamamen iletişim kurması sağlanabilir.

Beyin sinyallerinin konuşmaya dönüştürülmesi

İletişim nöroprotezi alanında yapılan önceki çalışmalarda, iletişimin hecelemeye dayalı yaklaşımlar üzerinden (harflerin tek tek metin halinde yazılmasıyla) geri kazandırılmasına odaklanılmış. Chang’in çalışması, bu girişimlere göre önemli bir farklılık taşıyor: Araştırma takımı, el veya kolu hareket ettirme yoluyla klavyede yazı yazmayı sağlayan sinyaller yerine, konuşma için ses sistemini kontrol etmeyi amaçlayan sinyalleri dönüştürüyor. Chang, konuşmanın doğal ve akıcı taraflarından faydalanılan bu yaklaşımın, daha hızlı ve organik iletişim vaadi sunduğunu aktarıyor.

“Normalde konuşmayla beraber bilgiyi çok yüksek bir hızda iletebiliyoruz; dakikada 150 ila 200 kelime kadar” diyor Chang ve klavye, el yazısı ya da fare imlecinin kullanıldığı hecelemeye dayalı yaklaşımların önemli derecede daha yavaş olduğunu ve daha fazla çaba gerektirdiğini söylüyor. “Burada yaptığımız gibi doğrudan kelimelere gitmek büyük avantajlar sağlıyor çünkü bu yöntem, normal konuşma biçimimize daha yakın.”

SFCÜ Epilepsi Merkezi’nde yatan hastalar, Chang’in son 10 yılda bu hedefe doğru ilerleyişini kolaylaştırmış. Beyin ameliyatı geçiren bu hastaların beyin yüzeyine yerleştirilen elektrot dizileriyle, hastalardaki nöbetlerin kaynağı belirlenmeye çalışılmış. Hepsi de normal şekilde konuşan bu hastalar, beyin kayıtlarının konuşmayla ilişkili faaliyetler bakımından analiz edilmesi için gönüllü olmayı kabul etmişler. Bu hasta gönüllüler ile elde edilen ilk başarılar, felçli insanlarda yürütülen mevcut deneyin yolunu açmış.

Chang ve SFCÜ Weill Sinirbilim Enstitüsü’nde çalışan meslektaşları, daha önce ünlü ve ünsüz harflerin çıkarıldığı ses yolu hareketleriyle ilişkilendirilen kortikal faaliyet desenlerinin haritasını çıkarmışlar. Chang’in laboratuvarında doktora sonrası mühendis olarak görev yapan ve yeni çalışmanın baş yazarlarından biri olan David Moses, söz konusu bulguları tam kelimelerin yer aldığı konuşma tanımaya dönüştürmek üzere, bu desenlerin gerçek zamanlı şekilde çözülmesi için yeni yöntemler ve doğruluğun artırılması için istatistiksel dil modelleri geliştirmiş.

Fakat araştırmacıların konuşabilen katılımcılardaki konuşmayı çözmede gösterdiği başarı, teknolojinin ses yolu felç olan bir kişide de çalışacağını garanti etmiyormuş. “Modellerimizin, karmaşık beyin faaliyeti kalıpları ile yapılmak istenen konuşma arasındaki haritalamayı öğrenmesi gerekiyordu” diyor Moses. “Bu durum, kalımcı konuşamadığında büyük bir zorluk teşkil ediyor.”

Bunlara ek olarak takım, ses yolunu kontrol eden beyin sinyallerinin, ses kaslarını yıllardır hareket ettirememiş kişilerde halen eskisi gibi olup olmadığını da bilmiyormuş. “İşe yarayıp yaramayacağını bulmanın en iyi yolu, denemekti” diyor Moses.

İlk 50 kelime

Chang, bu teknolojinin felçli hastalardaki potansiyelini araştırmak üzere yardımcı sinirbilim profesörü Dr. Karuneş Ganguli ile birlikte çalışarak “BRAVO” (Kolun ve Sesin Geri Kazandırılması için Beyin-Bilgisayar Arayüzü) şeklinde bilinen bir çalışma başlatmışlar. Deneyin ilk katılımcısı, 15 yıldan uzun süre önce ve 30’lu yaşlarının sonlarında beyin sapı inmesi geçiren bir adam olmuş. İnme, hastanın beyni ve ses yolu ile uzuvları arasındaki bağlantıya ciddi hasar vermiş. Bu olaydan sonra hasta kafasını, boynunu ve uzuvlarını son derece sınırlı şekilde hareket ettirebilmiş ve beyzbol kasketine bağlanan bir işaret cihazı yardımıyla ekrandaki harfleri göstererek iletişim kurabilmiş.

Kendinden BRAVO1 şeklinde bahsedilmesini isteyen katılımcı araştırmacılarla birlikte çalışarak, Chang’in takımının gelişmiş bilgisayar algoritmaları sayesinde beyin faaliyetinden çıkardığı 50 kelimelik bir sözcük haznesi oluşturmuş. “Su”, “aile” ve “iyi” gibi kelimelerin yer aldığı bu sözcük haznesiyle, BRAVO1’in gündelik yaşamına uyarlanabilen kavramların ifade edildiği yüzlerce cümle oluşturabiliyormuş.

Chang bu çalışma için, BRAVO1’in konuşma motor korteksine yüksek yoğunluklu bir elektrot dizisi nakletmiş. Katılımcının ameliyat sonrasında tamamen iyileşmesinin ardından araştırma takımı, bu beyin bölgesinde 48 oturum ve birkaç ay boyunca 22 saatlik sinirsel faaliyet kaydetmiş. BRAVO1, oturumların her birinde bu 50 sözcüğün her birini pek çok kez söylemeye çalışmış. Bu esnada elektrotlar, konuşma korteksinden gelen beyin sinyallerini kayıt altına almış.

Konuşma girişiminin metne dönüştürülmesi

Chang’in laboratuvarında biyomühendislik doktora öğrencisi olan diğer iki baş yazar Sean Metzger ve Jessiu Liu, kaydedilen sinirsel faaliyet kalıplarının söylenilmeye çalışılan belli kelimelere çevrilmesi için bir tür yapay zeka olan özel sinirsel ağ modelleri kullanmışlar. Bu ağlar, katılımcı konuşmaya çalıştığında beyin faaliyetinde meydana gelen algılanması zor kalıpları ayırt ederek konuşma girişimlerini tespit etmiş ve BRAVO1’in hangi kelimeleri söylemeye çalıştığını belirlemiş.

Yaklaşımlarını sınamak isteyen araştırma takımı, ilk olarak BRAVO1’e 50 kelimelik hazneden oluşturulan kısa cümleler sunmuş ve kendisinden bunları birkaç kez söylemeye çalışmasını istemiş. BRAVO1 kelimeleri söylemeye çalışırken, beyin faaliyetindeki kelimeler tek tek çözülüp ekrana aktarılmış.

Takım, daha sonra BRAVO1’in ekranına “Bugün nasılsın?” ve “Biraz su ister misin?” gibi sorular yansıtmış. BRAVO1’in konuşma girişimi, daha önce olduğu gibi ekranda belirmiş: “Çok iyiyim” ve “Hayır, susamadım” demiş.

Araştırma takımı, sistemin beyin faaliyetindeki kelimeleri yüzde 93’e varan isabet oranıyla dakikada 18 kelimeye kadar çıkan bir hızda çözebildiğini keşfetmiş (ortalama ise yüzde 75 olmuş). Moses’in uyguladığı ve tüketici mesajlaşması ile konuşma tanıma yazılımında kullanılanlara benzer bir “otomatik düzeltme” işlevi sunan dil modeli de, bu başarıya katkıda bulunmuş.

Moses, elde edilen ilk deney sonuçlarını prensip kanıtı şeklinde niteliyor. “Birçok anlamlı cümlenin doğru şekilde çözüldüğünü görmek bizi çok heyecanlandırdı” diyor. “Bu şekilde iletişim kurulmasının aslında mümkün olduğunu ve bu yöntemin geleneksel ortamlarda kullanım potansiyeli taşıdığını gösterdik.”

Chang ve Moses, ileride deneyi genişleterek ağır felç ve iletişim noksanlıklarından muzdarip daha fazla katılımcıyı dahil etmeyi hedeflediklerini söylüyor. Takım şimdilerde, mevcut kelime haznesindeki kelime sayısını artırmaya ve konuşma hızını ilerletmeye çalışıyor.

Her iki araştırmacı da, çalışma her ne kadar tek bir katılımcıya ve sınırlı bir kelime haznesine odaklanmış olsa bile; söz konusu kısıtlamaların elde edilen başarıyı küçültmediğini söylüyor. “Doğal şekilde iletişim kuramayan biri için önemli, teknolojik bir dönüm noktası” diyor Moses. “Ayrıca bu yaklaşımın, ağır felçli olan ve konuşma kaybı yaşayan insanlara ses vermede taşıdığı potansiyeli gösteriyor.”

 

 

 

 

Yazar: Robin Marks/San Francisco – California Üniversitesi. Çeviren: Ozan Zaloğlu.

CEVAP VER

Please enter your comment!
Please enter your name here