Nota: Informe de una sola fuente; pendiente de corroboración.
Un equipo de investigación financiado por los Institutos Nacionales de Salud (NIH) utilizó modelos de aprendizaje automático en registros cerebrales de células individuales para identificar la actividad neuronal asociada con la producción del habla humana. Matrices de microelectrodos implantadas en ocho pacientes sometidos a monitorización de la epilepsia registraron la actividad en la corteza frontotemporal durante conversaciones naturales en inglés.
Los investigadores correlacionaron los datos neuronales con las transcripciones de las conversaciones y aplicaron modelos de procesamiento del lenguaje natural para examinar la relación entre la actividad cerebral y las características del lenguaje. Descubrieron que las señales neuronales inmediatamente anteriores al habla podían predecir propiedades lingüísticas, como la gramática, el significado y el contexto de las oraciones, en diversos temas.
El estudio reveló una división funcional entre las neuronas: algunas codificaban información léxica básica, como el significado de las palabras y sus funciones gramaticales, mientras que otras estaban vinculadas a tareas complejas, como agrupar palabras en oraciones estructuradas. Los modelos de aprendizaje automático distinguieron entre frases y palabras similares, lo que sugiere que la actividad neuronal refleja elementos lingüísticos contextuales únicos.
Según los investigadores, este nivel de conocimiento celular sobre el habla sienta las bases para futuros estudios y tecnologías que permitan decodificar los pensamientos relacionados con el habla, lo que podría beneficiar a los pacientes con dificultades de comunicación.