Izraelski startup želi iskoristiti umjetnu inteligenciju za dekodiranje "jezika" mozga

Izraelski startup Hemispheric predstavio je Descartes, platformu za umjetnu inteligenciju osmišljenu za dekodiranje električne aktivnosti mozga i nudi nove načine procjene neuroloških i psiholoških stanja kao što su depresija i posttraumatski stresni poremećaj (PTSD).

Littwin, koji je prethodno radio na rješenjima dubokog učenja za Appleov uređaj za proširenu stvarnost Vision Pro, napustio je tvrtku 2020. godine kako bi udružio snage s Lalazarom. Zajedno su imali za cilj stvoriti model strojnog učenja koji je sposoban zaključiti funkciju mozga iz električne aktivnosti zabilježene izvan lubanje. Njihov je cilj bio ukloniti potrebu za invazivnim postupcima poput elektrodnih implantata, koji se obično koriste u kliničkim uvjetima za praćenje aktivnosti mozga. Međutim, suočili su se s kritičnom preprekom: nedostatkom dovoljno visokokvalitetnih podataka o mozgu za učinkovito treniranje takvog modela.

Kako bi nadvladali ovaj izazov, dvojica je osnovala ogromnu globalnu mrežu istraživačkih mjesta koja se prostiru Azijom, Izraelom i Bostonom, regrutirajući više od 100.000 plaćenih volontera.

To uključuje postavljanje malih elektroda na skalp kako bi se zabilježili električni impulsi koje generišu neuroni. Iako se široko koriste, EEG ima ograničenja u smislu prostornog rezolucije i dosljednosti među pojedincima. Mozak signali mogu značajno varirati od jedne osobe do druge, što otežava prevod sirovih podataka u smislene kliničke procjene.

Analiziranjem podataka tisuća sudionika, tim je otkrio da se uzorci pojavljuju na makro razini, omogućujući stvaranje standardiziranih okvira za tumačenje funkcije mozga. To omogućuje kliničarima da dobiju pouzdana, reproduktivna mjerenja bez potrebe za invazivnim intervencijama. Rezultat je sustav koji može pružiti djelotvorne uvide u samo 15 minuta, koristeći jednostavnu, nosivu EEG slušalicu koja podsjeća na biciklističku kacigu.

Kako sustav obrađuje podatke, generiše detaljne izvještaje koji naglašavaju potencijalne pokazatelje stanja mentalnog zdravlja. Ove informacije mogu koristiti zdravstveni radnici kako bi se dijagnostike i tretmani prilagodili učinkovitije.

Kako startup nastavlja usavršavati svoje algoritme i proširiti svoj skup podataka, potencijalni utjecaj na kliničku praksu i znanstveno istraživanje postaje sve dublji.