Predicción de los efectos de la retroalimentación visual en la adaptación motora del habla en adultos sanos (PVF)

Durante el habla, el cerebro depende de múltiples fuentes de retroalimentación, incluyendo la entrada auditiva y las sensaciones físicas de la lengua y los labios, para monitorear y ajustar el habla en tiempo real. Las personas difieren en cuánto dependen de cada una de estas fuentes de retroalimentación, y estas diferencias individuales pueden predecir quién se beneficia más de diferentes tipos de apoyo tecnológico para el aprendizaje del habla.

Este estudio examina si un modelo computacional de la respuesta individual a la retroalimentación sensorial puede predecir cuánto se beneficia una persona de la adición de retroalimentación visual en tiempo real durante una tarea de habla. Los participantes completarán una serie de tareas en las que la retroalimentación auditiva del habla se altera en tiempo real a través de auriculares. Luego se utiliza un modelo computacional para estimar cuán fuertemente depende cada participante de la audición versus la sensación física al monitorear el habla. Los participantes luego repiten la tarea con una pantalla visual añadida que muestra la señal del habla junto a un objetivo, proporcionando una fuente adicional de retroalimentación.

La pregunta principal es si el perfil computacional del uso de retroalimentación sensorial - específicamente, si una persona depende más de la audición o de la sensación física - predice cuánto mejora la pantalla visual la capacidad de cada participante para responder a la retroalimentación alterada.

En la línea base, los participantes completan dos versiones de una tarea de retroalimentación auditiva alterada (RAA) sin retroalimentación visual. La primera utiliza un diseño de "adaptación rápida" en el que la retroalimentación alterada se introduce y retira repetidamente a lo largo de ejecuciones experimentales cortas; la segunda utiliza un diseño adaptativo estándar en el que la retroalimentación alterada se introduce una vez y se mantiene durante una ejecución más larga. El rendimiento en ambas tareas se somete a modelado computacional SimpleDIVA para estimar los parámetros de respuesta auditiva y somatosensorial específicos del participante. El uso de dos variantes de tarea permite evaluar la estabilidad de las estimaciones de parámetros en diferentes condiciones de elicitación.

Los participantes luego completan una tarea RAA adaptativa estándar con biofeedback visual-acústico en tiempo real simultáneo. La pantalla visual presenta la señal de reproducción de audio actual (es decir, la señal alterada) junto a un objetivo visual derivado de la producción basal del participante. La medida de resultado principal es la ganancia visual, definida como la diferencia intra-participante en la magnitud de compensación entre la condición de retroalimentación auditivo-visual y la condición solo auditiva de la tarea RAA adaptativa estándar.

El análisis principal utiliza regresión lineal para probar si los parámetros de SimpleDIVA de la fase basal predicen la magnitud de la ganancia visual. El predictor de interés principal es la proporción de ponderación auditiva respecto al total sensorial, reflejando la dominancia relativa de la retroalimentación auditiva versus somatosensorial. La magnitud de compensación basal en la condición solo auditiva se incluirá como covariable. Una prueba t de muestras pareadas también evaluará el efecto general de agregar retroalimentación visual sobre la magnitud de compensación en toda la muestra.