Een team van onderzoekers heeft een belangrijke doorbraak bereikt in de neurotechnologie door een hersen-computerinterface (BCI) te ontwikkelen die de gedachten van een persoon direct kan omzetten in tekst.
Het systeem werkt door middel van een elektro-encefalografie (EEG)-kap die hersensignalen opvangt wanneer iemand zich voorstelt te spreken. Deze neurale patronen worden vervolgens verwerkt door een kunstmatig intelligentiemodel dat getraind is om specifieke gedachtepatronen te herkennen die samenhangen met spraak. Een geavanceerd taalmodel reconstrueert deze gedecodeerde signalen vervolgens tot samenhangende zinnen met een nauwkeurigheid van meer dan 70%.
"We onderscheppen in feite signalen op het punt waar de gedachte wordt vertaald naar articulatie," legde een van de onderzoekers uit. "Wat we decoderen gebeurt nadat een gedachte heeft plaatsgevonden, nadat we hebben besloten wat we willen zeggen, welke woorden we willen gebruiken en hoe we onze spraakspieren bewegen."
In tegenstelling tot eerdere BCI-systemen die invasieve hersenchirurgie vereisten, maakt deze technologie gebruik van niet-invasieve EEG, waardoor het toegankelijker en praktischer is voor dagelijks gebruik. Niet-invasieve methoden zoals EEG gebruiken elektroden die op de hoofdhuid worden geplaatst, wat veiligheid en gemak biedt, hoewel de signalen enigszins verzwakt zijn in vergelijking met invasieve methoden waarbij elektroden direct op het hersenoppervlak worden geplaatst.
Het systeem maakt gebruik van een hybride hersen-computerinterface gebaseerd op een tweestromen-convolutioneel neuraal netwerk, waarbij meerdere paradigma's worden gecombineerd om de decodeernauwkeurigheid te verbeteren. Deze aanpak heeft vergelijkbare prestaties laten zien in verschillende scenario's, wat de veelzijdigheid en betrouwbaarheid van het systeem aantoont.
Een grote uitdaging bij BCI's is dat veel gebruikers moeite hebben om betrouwbare nauwkeurigheidsniveaus te bereiken. Standaardmodellen slagen er vaak niet in de complexiteit van hersenactiviteit volledig te vatten, waardoor ongeveer 40% van de gebruikers niet de drempel van 70% nauwkeurigheid haalt die als essentieel wordt beschouwd voor effectief BCI-gebruik. Het nieuwe systeem pakt dit probleem aan door zich aan te passen aan de unieke hersenpatronen van elke gebruiker.
De implicaties voor mensen met ernstige neurologische aandoeningen zijn groot. Voor patiënten met afasie of spraakproblemen als gevolg van hersenletsel kan deze BCI hersensignalen classificeren en herkennen door specifieke EEG-patronen te identificeren, waardoor zij computerinvoerapparaten zoals spellingprogramma's en spraaksynthesizers kunnen bedienen met hun gedachten.
Naarmate het onderzoek vordert, streven wetenschappers ernaar de nauwkeurigheid van het systeem verder te verbeteren en het vocabulaire uit te breiden. De technologie betekent een belangrijke stap richting het herstellen van communicatiemogelijkheden voor mensen die deze door verlamming, een beroerte of neurodegeneratieve ziekten zijn kwijtgeraakt.