Onderzoekers hebben een fundamenteel AI-model ontwikkeld dat in staat is om continue EEG-signalen van mensen te voorspellen op basis van binaurale geluidsgolven. Het model slaagt erin om fysiologische reacties over het gehele auditieve pad vast te leggen, van de hersenstam tot de cortex.
In een recent onderzoek, dat op 17 september 2026 is gepubliceerd via arxiv.org, presenteren Thomas J. Stoll en Ross K. Maddox een nieuw causaal neuraal netwerk. Dit model is specifiek ontworpen om binaurale akoestische waveforms direct te koppelen aan EEG-gegevens met een hoge sample-rate. De ontwikkeling richt zich op het overbruggen van een hiaat in de huidige computationele modellen van de auditieve fysiologie, die vaak slechts gericht zijn op specifieke stadia of reacties binnen het auditieve pad.
Training en dataset
Om het model te trainen, maakten de onderzoekers gebruik van een omvangrijke dataset bestaande uit ongeveer 250 uur aan EEG-gegevens. Deze data zijn afkomstig van 92 verschillende proefpersonen. De variatie in de dataset is groot: er werd gewerkt met diverse electrode-montages en verschillende soorten stimuli, waaronder muziek, spraak en zogenaamde 'tonebursts'. Volgens de publicatie op papers.cool stelt deze brede aanpak het model in staat om fysiologische reacties over verschillende paradigma's en tijdschalen heen te vatten.
Validatie van de resultaten
De effectiviteit van het model is getest aan de hand van verschillende neurologische markers. Hierbij lag de focus op drie specifieke gebieden:
1. Auditory Brainstem Responses (ABR): Het model kon de effecten van stimulusfrequentie, snelheid en de presentatiemethode op de reacties van de hersenstam succesvol reproduceren.
2. Temporal Response Functions (TRF): Voor continue spraak reproduceerde het model zowel subcorticale als corticale TRF's. De correlaties tussen de voorspellingen van het model en de menselijke gemiddelden vielen binnen de normale distributies van menselijke subjecten.
3. Binaural Interaction Component (BIC): De door het model voorspelde metrieken voor de BIC, die wordt opgewekt door klikgeluiden, kwamen nauw overeen met de waarden die reeds in de wetenschappelijke literatuur zijn beschreven.
Toepassingen en toekomstperspectief
De resultaten tonen aan dat een enkel audio-naar-EEG-model in staat is om complexe auditieve fysiologie te simuleren. Volgens de auteurs van het artikel op genaiagent.net opent dit de deur naar toekomstige in silico experimenten, waarbij menselijke reacties digitaal gesimuleerd kunnen worden zonder dat er direct proefpersonen nodig zijn. Daarnaast kan deze technologie worden toegepast in de ontwikkeling van geavanceerde gehoortechnologie.
Het onderzoek is ingediend bij de ICASSP 2027. De bredere context van dit werk sluit aan bij een groeiende trend in de neurowetenschappen om diepe neurale netwerken te gebruiken voor het ontleden van neurale computaties. Zo beschreef een eerdere studie in nature.com uit 2023 hoe representaties in hiërarchische lagen van DNN-modellen correleerden met neurale activiteit in het menselijk auditieve systeem.
Hoewel eerdere reviews, zoals die van de arxiv.org, zich concentreerden op de relatie tussen EEG en continue spraak, gaat dit nieuwe model een stap verder door een breder spectrum aan geluiden en diverse stadia van het auditieve pad te integreren in één enkel fundamenteel model.