Peneliti menyelidiki apakah gangguan terkontrol pada model bahasa multimodal dapat mereproduksi kesalahan penamaan sistematis yang menjadi ciri afasia pasca-stroke. Menggunakan LLaVA 1.6, mereka menerapkan noise pada lapisan dan unit tertentu untuk mensimulasikan lesi dan mengevaluasi hasilnya terhadap data dari 278 orang dengan afasia (PWAs).
- Studi ini mengklasifikasikan respons ke dalam tujuh kategori menggunakan pengklasifikasi neural yang tervalidasi pada Philadelphia Naming Test.
- Enam dari tujuh jenis kesalahan muncul pada proporsi yang sebanding secara klinis di berbagai wilayah parameter, dengan paraphasia formal sebagai pengecualian.
- Pencarian ruang perturbasi mengidentifikasi konfigurasi yang mereproduksi profil kesalahan individual dalam setidaknya enam dari tujuh kategori untuk 97,8% PWAs dan ketujuh kategori untuk 79,5%.
- Baseline Monte Carlo mengonfirmasi bahwa pencocokan ini mencerminkan struktur antar-kategori gabungan daripada tumpang tindih marginal.
Hasil-hasil ini menetapkan kerangka kerja kuantitatif untuk mereproduksi pola kesalahan afasia individual, menunjukkan potensi model bahasa untuk berfungsi sebagai twin digital bagi individu dengan afasia pasca-stroke.