摘要
中风后的失语症常常导致系统性的命名错误，并具有特征性模式。然而，尚未测试通用语言模型是否能够重现这些模式。我们研究了两个主要问题：(1) 是否通过对多模态语言模型施加损伤或控制扰动可以重现不同类型的图片命名错误；(2) 该框架是否能够重现个体失语症患者（PWAs）的完整错误特征。
使用 LLaVA 1.6，我们评估了不同的扰动配置，变化包括层级、比例和施加于模型单位的噪声量。我们分析了 278 名 PWAs 在费城命名测试中的表现，利用经过验证的神经分类器将响应分为七类。结果显示，七个响应类别中的六个（正确、语义错误、混合错误、无关错误、新造词、无反应错误）在不同参数空间区域中以临床可比较的比例出现，只有正式的错语类例外。
通过搜索扰动空间，发现一些配置在七个类别中至少重现了 97.8% 的 PWAs 的个体错误特征，在所有七个类别中则为 79.5% 的 PWAs。蒙特卡洛基线确认这种匹配反映的是类别间的联合结构，而非边际重叠。这些结果为重现个体失语症命名错误模式建立了定量框架，并暗示语言模型有潜力作为中风后失语症患者的数字双胞胎。
博主点评： 本研究突破性地展示了多模态语言模型在重现失语症命名错误方面的潜力，尤其是为临床应用提供了新的定量框架。这不仅推动了语言模型的应用边界，也为后续研究提供了重要的实验基础。通过利用这些模型，我们或许能更好地理解和治疗失语症。