Los investigadores investigaron si las perturbaciones controladas en un modelo de lenguaje multimodal pueden reproducir los errores sistemáticos de nombramiento característicos de la afasia postictus. Utilizando LLaVA 1.6, aplicaron ruido a capas y unidades específicas para simular lesiones y evaluaron los resultados frente a datos de 278 personas con afasia (PWAs).
- El estudio clasificó las respuestas en siete categorías utilizando un clasificador neuronal validado en la Prueba de Nombramiento de Filadelfia.
- Seis de los siete tipos de errores emergieron en proporciones clínicamente comparables en distintas regiones de parámetros, siendo la parafasia formal la excepción.
- La búsqueda en el espacio de perturbaciones identificó configuraciones que reprodujeron perfiles de error individuales en al menos seis de las siete categorías para el 97,8% de las PWAs y en las siete para el 79,5%.
- Las líneas base de Monte Carlo confirmaron que esta coincidencia refleja una estructura inter-categoría conjunta más que una superposición marginal.
Estos resultados establecen un marco cuantitativo para reproducir patrones de error afásico individual, sugiriendo el potencial de los modelos de lenguaje para servir como gemelos digitales de individuos con afasia postictus.