В Австралии тестируют «умный» браслет для восстановления речи у людей после потери голоса05.07.2026 19:30

Австралийский стартап Fluent, созданный при Университете Мельбурна, разрабатывает новый тип интерфейса мозг–компьютер (brain-computer interface, BCI), предназначенный для восстановления коммуникации у людей с тяжёлыми нарушениями речи, включая пациентов с болезнями двигательных нейронов и рассеянным склерозом.

В отличие от наиболее известных инвазивных BCI-систем, которые требуют имплантации электродов непосредственно в мозг через нейрохирургическую операцию, устройство Fluent планируется размещать под кожей, но над черепом. Такой подход относится к категории «подскальповых» интерфейсов и позиционируется как компромисс между безопасностью неинвазивных методов и точностью глубоких имплантов.

По словам сооснователя проекта и биомедицинского инженера Тима Махони, сигналы, получаемые таким способом, могут быть сопоставимы по информативности с данными, которые традиционно получают только при внутричерепной имплантации электродов. Если это подтвердится в дальнейших испытаниях, то технология может снизить барьер входа для широкого применения BCI-систем.

Устройство размещается над моторной корой — областью мозга, которая отвечает за управление мышцами, включая артикуляцию речи. При попытке говорить нейроны формируют характерные паттерны электрической активности. Разработчики сравнивают эти сигналы с уникальными «QR-кодами», где каждое движение языка, губ или челюсти соответствует уникальному нейронному паттерну.

Идея заключается в том, что даже у пациентов, утративших способность говорить, сохраняются попытки произнесения слов, и мозг продолжает формировать соответствующие сигналы. Устройство фиксирует последовательность таких паттернов и передаёт их системе машинного обучения, которая восстанавливает предполагаемое высказывание и преобразует его в текст или синтезированную речь.

Для обучения модели команда собрала крупный массив данных мозговой активности, связанной с речью. В экспериментах использовались каппы с 144 электродами, размещёнными над моторной корой. Участники либо произносили слова, либо имитировали речь, либо мысленно представляли фразы.

В результате удалось сформировать одну из крупнейших англоязычных баз данных нейросигналов, связанных с речью. В сотрудничестве с японскими исследователями система машинного обучения показала способность определять нужную фразу из набора из 128 вариантов с точностью до 96%.

Авторы подчёркивают, что речь идёт о предварительных испытаниях, а не о готовом клиническом продукте. Любые интерфейсы мозг–компьютер требуют длительной регуляторной проверки, сопоставимой с сертификацией медицинских устройств, прежде чем они могут быть выведены на рынок.

При этом разработчики отмечают, что Австралия может стать удобной площадкой для клинических испытаний благодаря регуляторной среде и налоговым стимулам для исследований и разработок. Это потенциально ускоряет переход технологии от лабораторных тестов к прикладным медицинским решениям.

Конкуренция в сфере BCI усиливается: в Китае и США уже идут испытания и коммерциализация различных систем, включая полностью имплантируемые решения для управления курсором и расшифровки речи. На этом фоне Fluent делает ставку не на максимальную точность сигналов, а на доступность и снижение медицинских рисков.

Разработчики прямо признают, что их подход уступает инвазивным системам по качеству сигнала, однако рассчитывают компенсировать это за счёт методов искусственного интеллекта, включая контекстное восстановление речи с помощью языковых моделей.

Если такие системы подтвердят эффективность, то они смогут занять отдельную нишу — массовые BCI-устройства с низким уровнем риска, ориентированные не на нейрохирургическую точность, а на практическую реабилитацию и повседневное использование.