Syllable-timescale organization of auditory–motor feedback control

Resumo Técnico: Organização da escala de tempo silábica do controle de feedback auditivo-motor

Problema e Motivação
A produção da fala depende de um ciclo contínuo de feedback auditivo-motor para monitorar e corrigir a saída articulatória. Embora a existência deste ciclo seja bem estabelecida, a organização temporal do processo de feedback permanece não resolvida. Estruturas teóricas propuseram que o monitoramento da fala envolve loops de feedback organizados hierarquicamente que operam em distintas escalas de tempo, incluindo uma alinhada com a duração da sílaba (~200 ms). Esta hipótese, originada de estudos de Feedback Auditivo Atrasado (DAF) da década de 1950, sugere que a interrupção máxima da fala ocorre quando o atraso do feedback coincide com a duração de uma sílaba produzida. No entanto, evidências diretas para um mecanismo de feedback que opere especificamente na escala de tempo silábica têm sido escassas. Uma previsão crítica e não testada desta hipótese é que o atraso que produz a interrupção máxima deve escalar com a duração da sílaba do falante, em vez de ocorrer em uma latência fixa. Além disso, os modelos neurocomputacionais existentes (ex: DIVA, GODIVA) dependem amplamente de comparações momento a momento de sinais auditivos, e não está claro se tais mecanismos contínuos podem explicar os padrões de interrupção dependentes da taxa observados em dados comportamentais.

Metodologia
O estudo empregou uma abordagem multimodal combinando experimentos comportamentais, modelagem neurocomputacional e eletroencefalografia (EEG) para testar a hipótese do feedback escalonado pela sílaba.

1. Experimentos Comportamentais de DAF:

   • Participantes: 15 falantes nativos de espanhol saudáveis.
   • Protocolo: Os participantes produziram sequências de sílabas (ta, te, ti, to, tu) em duas taxas predefinidas: 3 Hz (lenta) e 6 Hz (rápida).
   • Manipulação: Durante a fase de produção, o feedback auditivo foi atrasado por um de seis valores (30, 80, 160, 240, 320 ou 400 ms).
   • Medição: Erros de articulação foram anotados manualmente e quantificados. O atraso que produz a interrupção máxima foi identificado ajustando funções de Weibull às curvas de taxa de erro para cada participante e condição.

2. Modelagem Neurocomputacional:

   • Três modelos foram implementados usando representações do tipo coclear do sinal de fala para simular o descompasso auditivo-motor:
     • Comparação ponto a ponto: Comparação contínua tempo a tempo de sinais previstos e atrasados.
     • Interferência rítmica: Comparação baseada em diferenças de fase (hipótese do ritmo deslocado).
     • Comparação baseada em sílabas: A informação auditiva foi integrada sobre janelas temporais correspondentes à duração da sílaba, criando representações de baixa dimensão (ex: energia espectral média) para comparação entre segmentos.
   • Os modelos foram testados contra os dados comportamentais para verificar qual poderia reproduzir o deslocamento dependente da taxa nos picos de interrupção.

3. Experimentos de EEG:

   • Participantes: 28 falantes nativos de espanhol saudáveis.
   • Protocolo: Semelhante ao experimento comportamental, os participantes produziram sílabas a 3 Hz e 6 Hz. Um atraso de feedback fixo de 250 ms foi aplicado durante a produção de uma sílaba "ta" final.
   • Medição: A Supressão Auditiva Induzida pela Fala (SIAS) foi medida comparando a resposta evocada auditiva N100 durante a produção de fala aberta contra a escuta passiva do mesmo estímulo. A magnitude da SIAS foi calculada como a diferença na amplitude do N100 entre as condições.

Principais Resultados

• Achados Comportamentais: O atraso que produz a interrupção máxima da fala não foi fixo, mas escalou com a taxa de fala.

  • Na condição de 6 Hz, os erros aumentaram significativamente nos atrasos de 80 ms ou mais.
  • Na condição de 3 Hz, os erros não aumentaram significativamente até que os atrasos atingissem 160 ms.
  • A análise estatística confirmou uma interação significativa entre o atraso e a taxa de fala. O atraso de interrupção máxima foi significativamente mais longo para a condição de 3 Hz do que para a de 6 Hz.
  • Crucialmente, houve uma correlação positiva significativa entre a duração média da sílaba de cada participante e seu atraso de interrupção máxima em ambas as condições, confirmando que a interrupção escala com a duração da sílaba.

• Achados de Modelagem:

  • Os modelos de ponto a ponto e de interferência rítmica falharam em reproduzir o padrão experimental; eles não mostraram um deslocamento sistemático no pico de interrupção através das taxas de fala.
  • Apenas o modelo baseado em sílabas, que integrou a informação auditiva sobre janelas correspondentes à duração da sílaba, conseguiu reproduzir tanto a existência de um pico de interrupção quanto seu deslocamento sistemático entre as condições de 3 Hz e 6 Hz.

• Achados Neurofisiológicos (SIAS):

  • A magnitude da SIAS foi significativamente maior na condição de 3 Hz do que na condição de 6 Hz quando um atraso fixo de 250 ms foi aplicado.
  • Isso indica que a supressão neural das respostas auditivas depende da relação entre o atraso do feedback e a escala de tempo da sílaba. Um atraso que constitui uma fração maior da duração da sílaba (como na condição de 6 Hz) resulta em um processamento neural diferente comparado a quando constitui uma fração menor (condição de 3 Hz).

Significância e Alegações
Os autores alegam que estes achados fornecem evidência convergente para um processo de feedback auditivo-motor organizado na escala de tempo silábica. O estudo demonstra que:

1. A sílaba atua como uma unidade fundamental do controle sensoriomotor da fala, com mecanismos de feedback adaptando-se flexivelmente à duração das sílabas produzidas, em vez de depender de uma janela de integração fixa.
2. A interrupção causada pelo feedback auditivo atrasado não é meramente um resultado de interferência rítmica ou comparação contínua de sinais, mas surge de um mecanismo que integra a informação auditiva sobre segmentos discretos escalonados pela sílaba.
3. Os correlatos neurais deste processo, especificamente a SIAS, são modulados pela relação temporal entre o atraso do feedback e a duração da sílaba, sugerindo que o cérebro atribui a informação auditiva recebida a segmentos silábicos antes da integração.

O artigo conclui que a estrutura temporal da fala não é apenas uma propriedade acústica, mas um princípio organizador fundamental das computações neurais que suportam a produção da fala, apoiando uma arquitetura hierarquicamente organizada de monitoramento da fala onde a sílaba representa um nível distinto de controle de feedback.