Les chercheurs ont examiné si des perturbations contrôlées appliquées à un modèle de langage multimodal peuvent reproduire les erreurs de dénomination systématiques caractéristiques de l'aphasie post-AVC. En utilisant LLaVA 1.6, ils ont appliqué du bruit à des couches et unités spécifiques pour simuler des lésions et ont évalué les résultats par rapport aux données de 278 personnes aphasiques (PWAs).
- L'étude a classifié les réponses en sept catégories à l'aide d'un classificateur neuronal validé sur le Philadelphia Naming Test.
- Six des sept types d'erreurs sont apparus à des proportions cliniquement comparables dans des régions de paramètres distinctes, la paraphasie formelle étant l'exception.
- La recherche dans l'espace de perturbation a identifié des configurations qui ont reproduit les profils d'erreurs individuels dans au moins six des sept catégories pour 97,8 % des PWAs et dans les sept catégories pour 79,5 %.
- Les lignes de base Monte Carlo ont confirmé que cette correspondance reflète la structure inter-catégorie conjointe plutôt qu'un chevauchement marginal.
Ces résultats établissent un cadre quantitatif pour reproduire les schémas d'erreurs aphasiques individuels, suggérant le potentiel des modèles de langage à servir de jumeaux numériques aux personnes atteintes d'aphasie post-AVC.