Tecnologia de BCI impulsionada por IA permite fala em tempo real para sobrevivente de AVC após 18 anos

Pesquisadores da Universidade da Califórnia usaram uma interface cérebro-computador (BCI) impulsionada por IA para converter os sinais cerebrais de Anne Johnson em fala em tempo real desde que ela ficou em silêncio em 2005 após um AVC. O sistema utilizou tecnologia semelhante à de dispositivos como Alexa e Siri e melhorou um modelo anterior que tinha um atraso de oito segundos. 

Pesquisadores da Universidade da Califórnia, Berkeley, e da Universidade da Califórnia, San Francisco, desenvolvido desenvolveram um sistema de interface cérebro-computador personalizado capaz de restaurar a fala naturalista a uma mulher de 47 anos com quadriplegia. Hoje, Anne está ajudando pesquisadores da UC San Francisco e da UC Berkeley a desenvolver tecnologia BCI que um dia poderia permitir que pessoas como ela se comuniquem de forma mais natural por meio de um avatar digital que sincroniza expressões faciais com a fala gerada.

Gopala Anumanchipalli, professor assistente de engenharia elétrica e ciências da computação na UC Berkeley e coautor do estudo publicado na segunda-feira na revista Nature Neuroscience, confirmou que o dispositivo implantado testado em Anne converteu ‘sua intenção de falar em frases fluentes’. Jonathan Brumberg, do Laboratório de Fala e Neurociência Aplicada da Universidade do Kansas, que também revisou as descobertas, saudou os avanços e disse à Associated Press que isso era ‘um avanço bastante significativo no campo da Neurociência’.

Tecnologia BCI permite que uma mulher recupere a fala após quase 20 anos

A leitura de mentes está chegando

Progresso revolucionário em interfaces cérebro-computador: um novo implante traduz pensamentos em fala em tempo real em apenas 3 segundos – um passo crucial para a comunicação natural na paralisia.

O estudo, publicado na Nature Neuroscience, mostra como os algoritmos de IA… pic.twitter.com/XdGhrBlU63

— Chubby♨️ (@kimmonismus) Abril 1, 2025

Uma mulher paralisada por um AVC recuperou a voz após quase duas décadas de silêncio por meio de uma interface cérebro-computador experimental desenvolvida – e especificamente personalizada para seu caso – por pesquisadores da UC Berkeley e da UC San Francisco. A pesquisa, publicada na Nature Neuroscience em 31 de março, utilizou inteligência artificial para traduzir os pensamentos da participante, popularmente conhecida como “Anne”, em fala natural em tempo real.

Anumanchipalli explicou que a interface lê sinais neurais usando uma grade de eletrodos colocados na área da fala do cérebro. Ele acrescentou que ficou claro que existem condições – como ELA, AVC do tronco cerebral (como no caso de Anne) ou lesão – onde o corpo se torna inacessível e a pessoa está ‘presa’, cognitivamente intacta, mas incapaz de se mover ou falar. Anumanchipalli observou que, embora tenhamos feito progressos significativos na criação de membros artificiais, restaurar a fala continua sendo mais complicado.

“Ao contrário da visão, do movimento ou da fome – compartilhados com outras espécies – a fala nos distingue. Isso sozinho torna-a um tópico de pesquisa fascinante.”

–Gopala Anumanchipalli

No entanto, Anumanchipalli reconheceu que como o comportamento inteligente emergiu de neurônios e tecido cortical ainda é uma das grandes incógnitas. O estudo usou uma BCI para criar um caminho direto entre os sinais elétricos do cérebro de Anne e um computador.

Novo dispositivo BCI melhora versões anteriores que tinham atrasos

O método inovador dos pesquisadores dos EUA eliminou um atraso frustrante que assolava versões anteriores da tecnologia, analisando a atividade cerebral dela em incrementos de 80 milissegundos e traduzindo-a em uma versão sintetizada de sua voz. Vários projetos de tradução de fala por BCI têm produzido resultados positivos recentemente, cada um visando reduzir o tempo necessário para gerar fala a partir de pensamentos.

De acordo com a Science Alert, a maioria dos métodos BCI existentes exigia ‘um trecho completo de texto’ para ser considerado antes que o software pudesse decifrar seu significado, o que poderia arrastar significativamente os segundos entre o início da fala e a vocalização.

O relatório publicado por pesquisadores da UC Berkeley e San Francisco revelou que melhorar a latência da síntese de fala e a velocidade de decodificação era essencial para conversas dinâmicas e comunicação fluida. A equipe conjunta da UC explicou que a BCI os atrasos na fala eram agravados pelo tempo adicional que a síntese de fala exigia para ser reproduzida e pelo tempo que os ouvintes levavam para compreender o áudio sintetizado.

A maioria dos métodos existentes confiava, segundo relatos, no ‘falante’ treinar a interface passando abertamente pelos movimentos de vocalização, o que seria um desafio ao fornecer ao software de decodificação dados suficientes para indivíduos que estavam fora de prática ou sempre tiveram dificuldade para falar. Para superar esses dois obstáculos, os pesquisadores da UC treinaram uma rede neural de aprendizado profundo flexível na “atividade do córtex sensoriomotor” da participante de 47 anos enquanto ela ‘falava’ silenciosamente 100 frases únicas de um vocabulário de pouco mais de 1.000 palavras.