Niet-invasieve hersen-decoder Brain2Qwerty v2 onthuld

Stel je woorden voor die verschijnen waar alleen stilte is. Voor miljoenen die het vermogen om te spreken hebben verloren door neurodegeneratieve aandoeningen of ernstig hersenletsel, is stilte geen tijdelijke pauze, maar dagelijkse realiteit. Meta zegt dat zijn nieuwe Brain2Qwerty v2 dat kan veranderen.

In het laboratorium waar gedachten in letters veranderden

Onderzoekers in San Sebastian vroegen negen gezonde vrijwilligers, van 25 tot 56 jaar, meer dan 2.500 zinnen te typen verspreid over tien sessies terwijl ze een magnetoencefalografieapparaat, of MEG, droegen. Dat apparaat detecteert de zwakke magnetische velden die ontstaan wanneer neuronen vuren. De opgenomen hersenactiviteit, gekoppeld aan de getypte tekst, leverde de trainingsdata die het model leerde neurale signalen aan taal te koppelen.

De sprong in prestaties was opvallend. Waar Brain2Qwerty versie één ongeveer 48 procent woordniveau-accuratesse behaalde, bereikte versie twee in de beste runs ongeveer 78 procent. Praktisch gezien betekent die verbetering dat de meeste ontcijferde zinnen hoogstens één verkeerd woord bevatten. Het team merkt ook een eenvoudige waarheid op: meer trainingsdata betekent betere decodering.

Hoe kwamen ze daar? De ingenieurs leenden patroonherkenningstechnieken die populair werden door grote taalmodellen. De verwerkingsketen werkt in drie fasen. Eerst zet een neuraal netwerk ruwe MEG-signalen om in tokens die op letters lijken. Vervolgens zet een aligner die tokens weer in elkaar tot kandidaatwoorden. Ten slotte zorgt een groot taalmodel ervoor dat de output vloeiende, betekenisvolle zinnen wordt.

Er zijn duidelijke voordelen. Omdat Brain2Qwerty v2 niet-invasieve MEG gebruikt in plaats van geïmplanteerde chips, biedt het een communicatieroute die riskante hersenoperaties vermijdt. Mensen met het locked-in-syndroom, ALS en vergelijkbare aandoeningen zouden deze technologie op termijn kunnen gebruiken om zich zonder implantaten uit te drukken.

Meta houdt dit niet voor zichzelf. Het bedrijf heeft de basiscodes van zowel versie één als versie twee als open source vrijgegeven en nodigt onderzoekers wereldwijd uit het werk te reproduceren, valideren en uit te breiden. Die openheid kan medisch onderzoek versnellen en teams helpen de data en waarborgen op te schalen die dit vakgebied nodig heeft.

Toch blijven er hobbels. MEG-systemen zijn groot en duur, en patiënten in de praktijk geven rommeligere signalen dan gezonde proefpersonen. Vragen over privacy en toestemming zijn reëel en urgent wanneer machines gedachten beginnen te decoderen. Klinische proeven, meer diverse datasets en zorgvuldige ethische kaders zullen bepalen of dit labsucces een betrouwbaar hulpmiddel voor patiënten wordt.

Vooralsnog leest Brain2Qwerty v2 als een mijlpaal: het toont dat niet-invasieve neurale decodering zich ontwikkelt van een veelbelovend experiment naar praktische mogelijkheid. De volgende stappen bepalen hoe snel die mogelijkheid een levenslijn wordt.