Brain-Computer-Interfaces (BCIs) sollen Menschen mit Sprachst\u00f6rungen etwa nach einem Schlaganfall helfen, ihre „Stimme“ wiederzuerlangen. Forscher der University of California in Berkeley haben bei der Entwicklung solcher Technologien nach eigenen Angaben einen bedeutsamen Fortschritt erzielt. Damit soll es m\u00f6glich werden, die Gehirnaktivit\u00e4t einer Schlaganfallpatientin im Bereich f\u00fcr Sprechbewegungen nahezu in Echtzeit sowohl in Sprache als auch in Text auszugeben.<\/p>\n
Bestimmte BCIs sind bereits imstande, elektrische Signale f\u00fcr die Sprechbewegung aus der Gehirnrinde auszulesen und in Text oder computergenerierte Sprache umzuwandeln. Doch dabei kommt es zu starken Verz\u00f6gerungen zwischen der gedanklichen Formulierung der S\u00e4tze und der tats\u00e4chlichen Ausgabe durch das Ger\u00e4t. Denn zun\u00e4chst m\u00fcssen Patienten einen kompletten Satz im Gehirn in Gedanken formulieren, bevor die Umsetzung erfolgen kann.<\/p>\n
Das Forscherteam aus Berkeley hat laut einem am Montag in Nature Neuroscience erschienenen Bericht<\/a> diese H\u00fcrde weitgehend \u00fcberwunden. Im Unterschied zu \u00e4lteren BCIs verarbeite das neue Ger\u00e4t Gehirnaktivit\u00e4t kontinuierlich, also noch w\u00e4hrend des Formulierens. Passend dazu erfolge direkt die Transformation in Text und Sprache, hei\u00dft es. Dies stelle einen weiteren Schritt in Richtung einer klinisch einsetzbaren Technologie dar, die die Wissenschaftler derzeit an drei Personen testen. Sie pr\u00e4sentieren zun\u00e4chst aber nur die Ergebnisse einer Studienpatientin, die nach einem Schlaganfall ihre Sprechf\u00e4higkeit verloren hat. Ihr wurde ein Ger\u00e4t mit 253 Elektrodenkan\u00e4len \u00fcber dem motorischen Sprachzentrum implantiert, das Daten \u00fcber dessen Aktivit\u00e4t sammelt: ein Elektrokortikogramm.<\/p>\n F\u00fcr das Training des Computermodells erhoben die Forscher \u00fcber dieses Hirnstrombild zun\u00e4chst Daten, w\u00e4hrend die Patientin vorgegebene S\u00e4tze mit einem Wortschatz aus 1024 W\u00f6rtern still formulierte. F\u00fcr die sp\u00e4tere Evaluation des BCIs formulierte die Probandin dann gedanklich ebenfalls vorgegebene S\u00e4tze mit eben diesem Wortschatz, die das trainierte Modell in Sprache ausgeben sollte. Dabei schaffte das Ger\u00e4t f\u00fcr die bekannten S\u00e4tze einen Output mit lediglich gut einer Sekunde Verz\u00f6gerung, w\u00e4hrend vormals 23 Sekunden die Regel war.<\/p>\n Implantation bleibt gr\u00f6\u00dftes Risiko<\/p>\n Trotz dieser Verbesserungen bei der Latenz geben die Autoren hohe Fehlerraten von 23,9 Prozent bei der Text- und 45,3 Prozent bei der Sprachausgabe an. Deswegen seien f\u00fcr eine tats\u00e4chliche klinische Anwendung weitere Fortschritte n\u00f6tig.<\/p>\n Die Studie dokumentiere „ein sehr schnelles und fl\u00fcssiges Dekodieren von Sprache aus Hirnaktivit\u00e4t mit einer Geschwindigkeit von durchschnittlich 47 W\u00f6rtern pro Minute“, sagt Surjo Soekadar, Neurotechnologe an der Charit\u00e9 Berlin, dem Science Media Center (SMC). Entscheidend sei die kontinuierliche Online-Umsetzung. Es handele sich vor allem um eine „technische Machbarkeitsdemonstration“. Das gr\u00f6\u00dfte Hindernis sei die Implantation selbst, die Risiken wie Blutungen oder Infektionen mit sich bringe. Zudem bleibe unklar, ob sich der klinische Nutzen gegen\u00fcber nicht-invasiven Methoden rechtfertigen lasse.<\/p>\n Das Team habe das „Streamen“ von Sprache erprobt, erl\u00e4utert Soekadars Kollege von der TU-M\u00fcnchen, Simon Jacob. Es verwende dazu Algorithmen des maschinellen Lernens („KI“), die mit elektrischen Signalen aus der Hirnrinde f\u00fcr Sprechbewegungen trainiert worden seien. Das Neue sei, dass die Dekodier-Algorithmen „achtmal schneller als bislang funktionieren“. Viele Schlaganfallpatienten h\u00e4tten aber nicht nur eine Sprech-, sondern auch eine Sprachst\u00f6rung. Neuroprothesen in der vorgestellten Art d\u00fcrften daher nur f\u00fcr wenige Betroffene in Frage kommen. Laut Juristen werfen Hirn-Implantate generell gro\u00dfe ethische und rechtliche Probleme auf<\/a>.<\/p>\n