近期，來自美國加利福尼亞大學舊金山分校的科學家開發出一套系統，將癱瘓失語患者的腦電波“翻譯”成語句，顯示在電腦屏幕上，研究結果發表在《The New England Journal of Medicine》雜志，標題為“Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria”。
參與研究的是一名男性患者，他在15年前因腦干中風導致大面積癱瘓并失語，但其大腦認知功能并未受損。研究人員將一個電極陣列植入該患者大腦控制語言的區域，再通過計算機算法分析他想說話時的大腦神經活動。分析過程主要用到兩種模型，一是用深度學習算法建立的計算模型，用來從記錄的大腦皮質活動中檢測和分類單詞；二是自然語言模型，該模型能根據序列中的前一個單詞推算生成下一個單詞的概率，從而在患者試圖說出單詞的時候解碼完整的句子。隨后，大腦神經活動的分析結果被轉換成文字顯示在電腦屏幕上。結果顯示，該方法解碼單詞的速度是每分鐘15.2個單詞，平均單詞錯誤率為25.6%。在后期分析中，研究人員檢測到了受試患者試圖生成的98%的單詞，在為期81周的研究期間，利用穩定的皮質信號分類單詞的準確率達到了47.1%。
總之，該研究報道了使用計算機深度學習模型和自然語言學習模型，分析癱瘓失語患者大腦皮質層活動并解碼其語言，使患者重新恢復了交流能力，為因病失語的患者重新與世界溝通帶來了新的希望。