ปัญหาสำคัญอย่างหนึ่งของกลุ่มประชากรที่พูดสองภาษา (Bilingual) โดยเฉพาะกลุ่มผู้สูงอายุที่มีมากขึ้น คือผลกระทบจากโรคหลอดเลือดสมอง (stroke) และภาวะเส้นเลือดในสมองแตกที่ทำให้เกิดภาวะ Aphasia หรือภาวะบกพร่องทางการสื่อสารและการใช้ภาษา กล่าวคือ ไม่สามารถ ‘นึก-ดึงคำ’ ในภาษาใดภาษาหนึ่งหรือทั้งสองภาษามาใช้ได้
การรักษากลุ่มประชากรที่พูดสองภาษาในกรณีนี้จึงซับซ้อนกว่ากลุ่มประชากรที่พูดภาษาเดียว แม้จะยังเป็นพื้นที่ทางความรู้ที่ไม่มีหลักฐานทางวิทยาศาสตร์ชี้ชัด มหาวิทยาลัยบอสตัน และมหาวิทยาลัยเทกซัส ออสติน ก็ได้พยายามวิจัยและพัฒนาโมเดลคอมพิวเตอร์ในชื่อ BiLex ตั้งต้นให้เป็นเครื่องมือที่หวังจะให้เข้ามาช่วยแพทย์ตัดสินใจเลือกภาษาที่จะใช้ในการรักษาหรือภาษาที่คนไข้จะรับการรักษา รวมถึงให้มีความเหมาะสมต่อคนไข้ที่พูดสองภาษาแต่ละคนด้วย
โรคหลอดเลือดสมอง (stroke) และภาวะเส้นเลือดในสมองแตกสามารถส่งผลกระทบให้เกิดภาวะ Aphasia หรือภาวะบกพร่องทางการสื่อสารและการใช้ภาษา อันหมายรวมถึงการที่ไม่สามารถทำความเข้าใจความหมาย โต้ตอบ อ่านและเขียนนั้น เป็นปัญหาสำคัญอย่างหนึ่งของกลุ่มประชากรที่พูดสองภาษา (Bilingual) โดยเฉพาะกลุ่มผู้สูงอายุที่มีมากขึ้น ที่อาจจะไม่สามารถ ‘นึกคำ’ ในภาษาใดภาษาหนึ่งหรือทั้งสองภาษาได้
และความท้าทายยังอยู่ที่เป็นพื้นที่ทางความรู้ที่จะต้องทำการศึกษาอีกมาก โดยแม้จะต้องใช้การบำบัดรักษาด้วยภาษาเพื่อพัฒนาความสามารถในการสื่อสาร แต่การรักษากลุ่มประชากรที่พูดสองภาษานั้นอาจซับซ้อนกว่ากลุ่มประชากรที่พูดภาษาเดียว ทั้งยังไม่มีหลักฐานทางวิทยาศาสตร์ที่จะชี้ชัดได้ว่า จะต้องบำบัดรักษาด้วยภาษาใดและเฉพาะเจาะจงสำหรับใคร ที่จะเป็นทางออกในการรักษาของกรณีนี้ได้ดีที่สุด
การศึกษา Predicting language treatment response in bilingual aphasia using neural network-based patient models โดย Aphasia Research Laboratory ประจำมหาวิทยาลัยบอสตัน ร่วมกับมหาวิทยาลัยเทกซัส ออสติน ได้พัฒนาโมเดลคอมพิวเตอร์ในชื่อ BiLex ที่มีฟังชันก์เพื่อกระตุ้นความสามารถของประชากรที่พูดได้สองภาษา ให้สามารถนึกและดึงคำในความทรงจำของสมองมาใช้งานได้ โดยมองว่าการพัฒนาโมเดลคอมพิวเตอร์เช่นนี้ เป็นตัวช่วยให้แพทย์สามารถนำไปใช้ระบุภาษาที่จะนำมาใช้ในการรักษาโรค ถือว่าเป็นประโยชน์ต่อทั้งแพทย์และคนไข้
โมเดล BiLex ที่ว่านี้ประกอบไปด้วยโครงข่ายประสาทเทียมที่ถูกป้อนโปรแกรมเพื่อกระตุ้นกระบวนการทางภาษา โดยทีมผู้ศึกษาวิจัยได้ฝึกโมเดลก่อนที่จะนำไปใช้ในการปฏิบัติงานซึ่งเริ่มจากกลุ่มประชากรที่พูดได้ทั้งภาษาอังกฤษและภาษาสเปน ผลจากการทดลองดำเนินการพบว่า ความแม่นยำ/ความสำเร็จของเครื่องมือคือ คนไข้สามารถตอบรับกับภาษาที่ใช้รับการรักษา หรือภาษาที่ได้รับการบำบัดรักษา (treated language) ถึง 82% และภาษาที่ไม่ได้ใช้ในการรับการ หรือภาษาที่ไม่ได้รับการบำบัดรักษา (untreated language) ที่ 60%
อย่างไรก็ดี เนื่องจากกลุ่มประชากรที่พูดสองภาษาที่มีภาวะ Aphasia มีความแตกต่างกันไป อาทิ ในด้านการตอบสนองต่อทั้งภาษาและเครื่องมือที่ใช้ในการรักษา ทางทีมผู้ศึกษาวิจัยตระหนักว่าจะต้องมีทำการศึกษาวิจัยต่อไป ทั้งที่จะต้องพัฒนาให้โมเดลคอมพิวเตอร์มีความแม่นยำมากขึ้น เพื่อให้แพทย์สามารถนำไปใช้ตัดสินใจเลือกภาษาหนึ่งในสองภาษาเป็นภาษาในการรักษา และจะต้องมีการวางแผนการบำบัดรักษาที่เหมาะสมสำหรับคนไข้แต่ละคนด้วย
ประเด็นดังกล่าวเกี่ยวข้องกับ
#SDG3 สุขภาพและสุขภาวะที่ดี ในด้านการป้องกันและการรักษาโรค และส่งเสริมสุขภาพจิตและความเป็นอยู่ที่ดี
#SDG9 เทคโนโลยี นวัตกรรม ในด้านการส่งเสริมการวิจัยทางวิทยาศาสตร์ เทคโนโลยี และนวัตกรรม
