A Estereoeletroencefalografia Revela Assinaturas Neurais da Integração Multissensorial no Sulco Temporal Superior Humano durante a Perceção Audiovisual da Fala

A perceção da fala humana é inerentemente multissensorial, dependendo da integração de pistas auditivas da voz do orador com estímulos visuais dos seus movimentos faciais. Estudos anteriores que utilizaram imagem por ressonância magnética funcional dependente do nível de oxigénio no sangue (BOLD fMRI) implicaram o giro temporal superior (GTS) no processamento auditivo da fala e o sulco temporal superior (STS) na integração dos sinais auditivos e visuais da fala. No entanto, a fMRI, como uma medida hemodinâmica indireta, carece da resolução temporal para captar as rápidas computações neurais fundamentais para a perceção da fala.\n\nPara ultrapassar estas limitações, o presente estudo utilizou estereoeletroencefalografia (sEEG) para registar diretamente a atividade neural das regiões GTS e STS em 42 pacientes com epilepsia (25 mulheres, 17 homens). Os participantes foram desafiados a identificar palavras isoladas apresentadas em três formatos sensoriais: apenas auditivo, apenas visual e audiovisual. Estas condições foram testadas tanto com como sem ruído auditivo adicionado para avaliar os benefícios perceptivos das pistas visuais da fala. Notavelmente, observar o rosto do orador melhorou consistentemente a capacidade dos participantes para perceber a fala, especialmente em ambientes ruidosos.\n\nOs registos neurais revelaram um subconjunto de eletrodos, principalmente localizados na parte médio-posterior do GTS e STS, que respondiam tanto a sinais auditivos como visuais da fala. As respostas à fala auditiva foram detetadas a uma latência média de 71 milissegundos, enquanto as respostas à fala visual ocorreram ligeiramente mais tarde, aos 109 milissegundos. Crucialmente, o aumento multissensorial foi mais pronunciado na margem superior do STS. Comparado com a fala apenas auditiva, o STS exibiu uma latência de resposta 40% mais rápida e um aumento de 18% na amplitude da resposta ao processar a fala audiovisual. Em contraste, o GTS não demonstrou diferenças significativas na velocidade ou magnitude da resposta em condições multissensoriais.\n\nUma descoberta inesperada foi que o STS demonstrou latências de resposta significativamente mais rápidas para a fala audiovisual do que o GTS (50 ms vs. 64 ms). Isto sugere um modelo de processamento paralelo onde o GTS suporta principalmente a perceção da fala apenas auditiva, enquanto o STS desempenha um papel principal na integração da informação multissensorial da fala. Estas dinâmicas neurais sublinham o STS como um centro crítico para o processamento audiovisual da fala, complementando descobertas anteriores de fMRI com evidência eletrofisiológica direta.\n\nEm conjunto, estes resultados fornecem um apoio convincente para o sulco temporal superior como um substrato neural especializado para a integração multissensorial durante a perceção da fala. A aplicação da sEEG permitiu um acompanhamento temporal preciso das respostas neurais, revelando vias de processamento distintas e rápidas no córtex temporal humano. Esta investigação não só avança a nossa compreensão dos mecanismos neurais subjacentes à perceção da fala, como também destaca a importância da integração multissensorial em cenários de comunicação do mundo real. Estas perceções têm potenciais implicações para intervenções clínicas em populações com perceção da fala comprometida e para o desenvolvimento de dispositivos neuroprotésicos concebidos para aumentar as capacidades de comunicação.