Pesquisadores investigaram se perturbações controladas em um modelo de linguagem multimodal podem reproduzir os erros sistemáticos de nomeação característicos da afasia pós-AVC. Usando LLaVA 1.6, eles aplicaram ruído a camadas e unidades específicas para simular lesões e avaliaram os resultados contra dados de 278 pessoas com afasia (PWAs).

  • O estudo classificou as respostas em sete categorias usando um classificador neural validado no Philadelphia Naming Test.
  • Seis dos sete tipos de erros emergiram em proporções clinicamente comparáveis em distintas regiões de parâmetros, sendo a parafasia formal a exceção.
  • A busca no espaço de perturbação identificou configurações que reproduziram perfis de erro individuais em pelo menos seis das sete categorias para 97,8% dos PWAs e em todas as sete para 79,5%.
  • Bases de Monte Carlo confirmaram que essa correspondência reflete uma estrutura inter-categoria conjunta em vez de sobreposição marginal.

Estes resultados estabelecem um framework quantitativo para reproduzir padrões de erro afásico individual, sugerindo o potencial de modelos de linguagem servirem como gêmeos digitais de indivíduos com afasia pós-AVC.