Reconstructing the brain’s language network from non-invasive EEG enables interpretable speech decoding

Per decenni, gli scienziati hanno sognato di leggere il linguaggio della mente direttamente dall'esterno, sperando di restituire la parola a coloro che hanno perso la capacità di muovere la bocca. Il cervello è una vasta, rumorosa città di attività elettrica e, quando pensiamo alle parole, specifici quartieri si illuminano in una sequenza precisa. Tuttavia, catturare questa attività senza chirurgia è stato come cercare di sentire una singola conversazione in uno stadio affollato dal parcheggio; i segnali sono deboli, mescolati e variano enormemente da persona a persona. I tentativi tradizionali di tradurre queste onde cerebrali in testo si sono spesso affidati a potenti programmi informatici che agiscono come scatole nere. Questi programmi imparano a indovinare la parola successiva individuando schemi statistici nei dati, ma non offrono alcuna intuizione su come il cervello abbia effettivamente prodotto quel pensiero, né spiegano perché a volte falliscano. Senza comprendere il meccanismo sottostante, questi sistemi faticano a lavorare in modo affidabile tra persone diverse o diversi tipi di compiti linguistici, lasciando la promessa di un dispositivo di comunicazione universale appena fuori portata.

Un team di ricercatori a Shenzhen e Hong Kong ha ora proposto una strada diversa, una che va oltre il semplice indovinare per ricostruire l'effettiva mappa della rete del linguaggio del cervello. Hanno sviluppato un nuovo framework chiamato CAGNNF, che tratta il cervello non come una scatola nera, ma come un sistema fisico con regole specifiche. Invece di passare direttamente dai segnali elettrici grezzi sul cuoio capelluto a una frase di testo, il loro sistema costruisce prima un modello dinamico e tridimensionale dell'attività interna del cervello. Utilizza un metodo chiamato inferenza perturbazionale neurale per tracciare come una scintilla di attività in una parte del cervello si propaghi verso l'esterno per influenzare altre regioni, molto simile a quando si getta un sasso in uno stagno e si osserva come le onde si diffondono. Per mantenere questo modello ancorato alla realtà biologica, hanno aggiunto vincoli geometrici basati sulla forma e sulla struttura reale della corteccia umana, assicurando che l'attività ricostruita scorra lungo le autostrade naturali del cervello piuttosto che fluttuare nello spazio vuoto.

Il risultato di questo processo è una mappa chiara e interpretabile della rete del linguaggio del cervello in azione. I ricercatori hanno scoperto che questa mappa evidenziava costantemente le stesse regioni note per essere critiche per il linguaggio, specificamente le aree temporali che formano la via ventrale, un percorso essenziale per la comprensione delle frasi. Questo non era solo un esercizio teorico; il sistema ha decodificato con successo il testo da onde cerebrali registrate mentre le persone leggevano silenziosamente sia in cinese che in inglese. Nei test, questo nuovo approccio ha superato i metodi allo stato dell'arte esistenti, riducendo il numero di errori nel testo decodificato fino all'11 percento rispetto ai migliori modelli precedenti. Fondamentalmente, il sistema ha dimostrato che la rete del linguaggio del cervello opera in modo simile sia che una persona stia leggendo parole su uno schermo sia che le stia ascoltando parlate, suggerendo che il nucleo della macchina del linguaggio è condiviso tra diversi sensi.

Ciò che rende questo lavoro particolarmente significativo è che trasforma gli errori di decodifica in uno strumento diagnostico. Poiché il sistema comprende le fasi dell'elaborazione del linguaggio, può individuare esattamente dove è avvenuto un errore. I ricercatori hanno scoperto che gli errori nel riconoscere la forma di un carattere erano legati ai segnali precoci di elaborazione visiva, mentre gli errori nel mancare una parola erano legati ai segnali relativi all'attenzione, ed errori nella comprensione del significato erano connessi ai segnali associati all'integrazione semantica. Identificando questi specifici punti di fallimento, il sistema poteva quindi applicare una correzione mirata, abbassando ulteriormente il tasso di errore di oltre l'8 percento. Questa capacità di tracciare un errore fino a un momento specifico della catena di elaborazione del cervello offre un livello di chiarezza che i metodi precedenti non avevano, trasformando il processo di decodifica da un indovinare statistico a una ricostruzione fisiologicamente fondata.

Lo studio ha anche dimostrato che questo sistema può adattarsi rapidamente a nuovi individui. Utilizzando una tecnica che consente al modello di apprendere da pochissimi esempi, i ricercatori hanno mostrato che il sistema poteva essere calibrato sul cervello di una nuova persona con solo cento frasi di lettura. Questa efficienza suggerisce che la rete del linguaggio centrale è abbastanza stabile da essere catturata con un addestramento minimo, un passo vitale verso il rendere tale tecnologia pratica per l'uso a lungo termine. Sebbene l'attuale sistema operi in un ambiente offline, il che significa che elabora i dati dopo che sono stati registrati, i ricercatori hanno osservato che la sua velocità si sta già avvicinando ai livelli necessari per la comunicazione in tempo reale. Stabilendo un collegamento chiaro e interpretabile tra i segnali elettrici sul cuoio capelluto, la rete del linguaggio ricostruita nel cervello e il testo finale, questo lavoro offre un passo tangibile verso interfacce cervello-computer che siano non solo potenti, ma anche comprensibili e affidabili.