Note : Rapport provenant d'une seule source ; en attente de corroboration.
Une équipe de recherche financée par les Instituts nationaux de la santé (NIH) a utilisé des modèles d'apprentissage automatique sur des enregistrements cérébraux monocellulaires pour identifier l'activité neuronale associée à la production de la parole humaine. Des réseaux de microélectrodes implantés chez huit patients épileptiques suivis ont enregistré l'activité du cortex frontotemporal lors de conversations naturelles en anglais.
Les chercheurs ont mis en correspondance les données neuronales avec les transcriptions des conversations et appliqué des modèles de traitement automatique du langage naturel pour examiner la relation entre l'activité cérébrale et les caractéristiques linguistiques. Ils ont découvert que les signaux neuronaux précédant immédiatement la parole pouvaient prédire les propriétés linguistiques, notamment la grammaire, le sens et le contexte des phrases, et ce, pour des sujets très variés.
L'étude a révélé une répartition fonctionnelle des neurones : certains encodent des informations lexicales de base, comme le sens des mots et leur rôle grammatical, tandis que d'autres sont impliqués dans des tâches complexes, telles que le regroupement des mots en phrases structurées. Les modèles d'apprentissage automatique ont permis de distinguer les expressions et les mots similaires, ce qui suggère que l'activité neuronale reflète des éléments contextuels spécifiques du langage.
D’après les chercheurs, ce niveau de compréhension cellulaire de la parole offre une base pour de futures études et technologies visant à décoder les pensées liées à la parole, ce qui pourrait bénéficier aux patients souffrant de troubles de la communication.