Když slova nestačí: Proč byl jednofunkční překlad slepou uličkou
Když se bavíte s přáteli u kávy nebo vysvětlujete kolegovi složitý problém, málokdy používáte pouze hlas. Lidská komunikace je od přírody multimodální. Máváme rukama, pokyvujeme hlavou, zvedáme obočí a krčíme rameny. Všechny tyto drobné neosobní nuance dávají slovům smysl, důraz a emocionální podtext. Dosavadní systémy rozhraní mozek-počítač (BCI) se však snažily tento komplexní proces osekat na jediný kanál: buď se soustředily výhradně na dekódování textu či syntetického hlasu, nebo se pokoušely ovládat robotickou paži či kurzor myši.
Výsledkem byla komunikace, která působila nepřirozeně a bezduše. Pro člověka postiženého těžkým ochrnutím — například po cévní mozkové příhodě nebo v důsledku amyotrofické laterální sklerózy (ALS) — šlo sice o zásadní posun oproti mrkání na tabulku s abecedou, ale k přirozenému rozhovoru to mělo daleko. Výzkum z posledních měsíců však ukázal, že klíč k nápravě spočívá v paralelním zpracování signálů, podobně jako když moderní AI modely pracují s textem, zvukem a obrazem naráz.
Technické zázemí: 253 elektrod a matice neuronových vzorců
Technické řešení z dílny UCSF staví na mřížce s 253 elektrodami pro vysokorozlišovací elektrokortikografii (ECoG). Tato tenká flexibilní mřížka se chirurgicky umisťuje přímo na povrch senzoromotorické kůry mozku — tedy do oblasti, která řídí pohyby mluvidel, obličeje i končetin.
To nejdůležitější se však odehrává v softwarové architektuře a v modelu umělé inteligence, který data zpracovává. Výzkumníci totiž narazili na zásadní fakt, který dosavadní pokusy ignorovaly: neuronová aktivita v mozku vypadá úplně jinak, když člověk zkouší vyslovit slovo a zároveň u toho udělát gesto, než když se o obojí pokusí odděleně. Neurony v motorické kůře zkrátka pracují v kombinovaném režimu a navzájem se ovlivňují.
Tradiční přístup, kdy by jeden dekodér překládal řeč a druhý nezávisle na něm pohyby těla, selhával v přesnosti a trpěl vysokou chybovostí. Výzkumníci z UCSF proto natrénovali AI dekodéry na oba kanály současně. Systém se naučil rozpoznávat komplexní vzorce elektrických výbojů a přetavovat je do dvou synchronizovaných datových proudů v reálném čase: jeden tvoří mluvené slovo a text, druhý řídí kinetiku a mimiku virtuálního 3D avatara na obrazovce.
Výsledky z klinické studie BRAVO: Sto procent přesnosti v praxi
Do výzkumné studie označované jako BRAVO byli zapojeni 3 pacienti s těžkým motorickým postižením, přičemž 2 z nich prošli kompletním reálným testováním při živé konverzaci. Výsledky měření přímo z reálného provozu přinesly velmi zajímavá data.
První z pacientů dosáhl při konverzačních úlohách mediánu přesnosti dekódování 100 % u řeči i gest. Systém u něj pracoval s definovanou sadou 10 komunikativních gest — pacient tak mohl při řeči zcela přirozeně vyjádřit souhlas přikývnutím, nesouhlas zavrtěním hlavy, případně doplnit větu pokrčením ramen či zamáváním. U druhého pacienta, který pracoval se sadou 4 základních gest, dosáhla průměrná přesnost přibližně 75 %.
Rozdíl mezi oběma pacienty ukazuje na známou realitu neurotechnologií: každý mozek je anatomicky i funkčně unikátní a rozsah poškození mozkové tkáně po nemoci či úrazu zásadně ovlivňuje čitelnost zachycených signálů. Přesto je i 75% úspěšnost u živého dialogu spojeného s gestikulací obrovským posunem vpřed.
Dostupnost v Česku a regulatorní realita EU
Ačkoliv jsou výsledky studie publikované v Nature Neuroscience působivé, z pohledu praktické dostupnosti je potřeba držet se reality. Výzkum z UCSF představuje klinický experiment na akademické půdě a cesta k běžně dostupnému komerčnímu produktu bude ještě nějakou dobu trvat.
Pro pacienty v České republice a Evropské unii platí poměrně přísný schvalovací rámec. Zdejší regulace zdravotnických prostředků (MDR) a schvalovací procesy Evropské lékové agentury (EMA) vyžadují rozsáhlé multicentrické testy. Než se z laboratorního prototupu stane certifikovaná pomůcka hrazená zdravotním pojištěním, zabere to obvykle řadu let.
Systém navíc vyžaduje invazivní neurochirurgický zákrok k umístění mřížky s 253 elektrodami na povrch mozku. V Česku máme špičková neurochirurgická pracoviště — například ve Fakultní nemocnici Motol nebo Ústřední vojenské nemocnici v Praze —, která disponují týmy schopnými podobný zákrok provést. Rozhodující však bude, až inženýři dokážou celý systém zmenšit a převést ze současné drátové laboratorní sestavy do plně bezdrátové podoby, kterou zvládne obsluhovat pacient nebo pečující osoba v domácím prostředí.
Jaký je hlavní rozdíl mezi tímto implantátem a systémem Neuralink?
Zatímco Neuralink využívá tisíce tenkých vláknových elektrod zapuštěných přímo do mozkové tkáně (intrakortikálně), systém z UCSF s 253 elektrodami využívá elektrokortikografii (ECoG), kdy je mřížka položena pouze na povrch mozkové kůry. Hlavním přínosem výzkumu UCSF však není samotný hardware, ale AI architektura, která dokáže poprvé v reálném čase dekódovat mluvenou řeč i tělesná gesta současně.
Musí být dekódovací AI připojena k cloudu, nebo běží lokálně?
V současné klinické fázi probíhá dekódování mozkových signálů na lokální počítačové stanici fyzicky připojené k pacientovi. AI modely jsou trénovány lokálně na míru konkrétnímu pacientovi, což eliminuje potřebu posílat citlivá neuronová data přes internet a zajišťuje minimální latenci nutnou pro plynulou konverzaci.
Kdy se technologie může dostat k prvním pacientům v Evropě?
Před uvedením do běžné klinické praxe musí systém projít komercializací, vývojem bezdrátového přenosu dat a certifikací podle evropského nařízení o zdravotnických prostředcích (MDR). Reálný časový horizont pro klinické využití v EU je odhadován na minimálně 3 až 5 let.
