為了發展聽覺植入物的聲音編碼和語音處理技術，模擬聲碼器扮演著重要的角色。研究建議使用語音識別模型來分析聲碼器模擬的耳蜗植入處理對語音知覺的影響，取代傳統的人類受試者方式。這樣的方法更快速、成本較低，並且避免了人類受試者的變異性，顯示了深度學習模型在聽覺植入物研究中的潛力。 PubMed DOI

這項研究探討有效溝通如何依賴在不同情境中對詞語意義的共同理解。通過分析癲癇患者對話期間的腦部活動，研究人員發現語言模型學習的嵌入空間可以捕捉說話者和聽眾之間神經活動的對齊。這表明大腦在詞語表達之前和之後處理語言內容，提供了洞察力，說明了在現實互動中思想如何傳遞。 PubMed DOI

顱內腦-電腦介面（iBCIs）可幫助ALS等神經系統疾病患者快速溝通，但常需重新校準，打斷使用。新方法「CORP」使用語言模型糾正iBCI錯誤，不打斷使用者。403天試驗顯示CORP在線書寫達93.84%穩定解碼準確率，優於其他方法。此研究展示與人類參與者運行高性能iBCI的長期穩定性，為臨床應用帶來希望。 PubMed DOI

研究利用AI和自然語言處理技術，根據患者言語樣本區分PPA三種變體。AI模型與臨床診斷一致率達88.5%，找出17個最具區分力的語言特徵。透過這些特徵開發出分類器，可高達97.9%正確預測PPA亞型和健康組。這些結果對於改善失智症診斷、了解神經退化疾病、提升診斷精準度有重要意義。 PubMed DOI

耳蝸植入手術對嚴重聽力受損的患者至關重要，但手術後的護理可能有挑戰，特別是在偏遠地區。使用像ChatGPT-4這樣的先進人工智慧可以幫助彌補這個差距，提供正確及即時的資訊。研究顯示ChatGPT-4在回答手術後耳蝸植入護理問題上很有效。這個人工智慧聊天機器人能快速提供正確、清楚和相關的回答，當接觸醫療專業人員有限時，它成為一個寶貴的資源。雖然不能取代醫療建議，但ChatGPT-4能有效支持患者，凸顯了人工智慧在增進耳蝸植入受植者護理的角色。 PubMed DOI

失語症學研究文化、語言和社會對大腦發展的影響。人工智慧可透過分析語音數據來了解大腦損傷對語言的影響，提升失語症學研究。ChatGPT和NLP等工具可幫助評估和治療失語症，但需解決偏見、倫理和驗證問題。透過監管，人工智慧將對失語症學有正面影響。 PubMed DOI

顱內腦-電腦介面（iBCIs）可幫助ALS等病患溝通，但需要經常校準。新方法CORP利用語言模型自我校準iBCIs，不打擾使用者。研究顯示CORP在403天測試中，線上書寫任務達93.84%穩定解碼準確率，比其他方法表現更好。這研究顯示高效能iBCI的長期穩定性，為臨床應用提供解決方案。 PubMed DOI

研究利用AI和自然語言處理，根據患者言語樣本區分原發性漸進性失語症（PPA）。AI辨識出三個PPA群集，與臨床診斷一致，並找出語言特徵區分PPA變體。透過簡短樣本開發出高準確度的分類器，可區分PPA和健康對照組。此方法提升診斷精確度，深化對神經退化性失智症語言處理的認識。 PubMed DOI

這項研究探討有效溝通如何依賴於對詞彙意義的共同理解。研究人員記錄癲癇患者的自發對話，並開發一個框架，將說話者和聆聽者的腦部活動對齊到大型語言模型（LLM）定義的共享空間。結果顯示，LLM的情境嵌入能更好地捕捉說話者與聆聽者之間的神經對齊，超越傳統的語法或發音模型。這項研究強調了LLM在理解人類溝通複雜性方面的潛力。 PubMed DOI

這項研究探討一名晚期肌萎縮側索硬化症（ALS）患者，使用植入式腦機介面（BCI）進行溝通的情況，長達7年。患者於2016年開始使用BCI，隨著對眼動追蹤裝置的控制減弱，使用頻率增加。然而，6年後，BCI的使用明顯下降，最終因神經信號減弱及大腦萎縮而停止使用，顯示ALS的神經退化影響了溝通能力。研究由國家聽力及其他溝通障礙研究所資助，並在ClinicalTrials.gov上註冊。 PubMed DOI