Gelombang Otak Kini Bisa Diterjemahkan AI Tanpa Operasi Otak

Kemajuan teknologi Artificial Intelligence (AI) kembali membuka peluang baru di bidang kesehatan. Para peneliti memperkenalkan Brain2Qwerty v2, sistem terbaru yang mampu menerjemahkan aktivitas otak menjadi kalimat secara langsung tanpa memerlukan operasi atau pemasangan implan pada otak. Teknologi ini dinilai menjadi salah satu terobosan penting dalam pengembangan antarmuka otak dan komputer (Brain-Computer Interface/BCI) non-invasif yang berpotensi membantu jutaan orang yang kehilangan kemampuan berbicara akibat gangguan neurologis.

Brain2Qwerty v2 merupakan pengembangan dari Brain2Qwerty v1 yang diperkenalkan pada tahun sebelumnya. Jika versi pertama berhasil menunjukkan bahwa AI dapat mengubah aktivitas otak menjadi teks tanpa prosedur bedah, versi terbaru ini menawarkan peningkatan yang jauh lebih signifikan, baik dari sisi akurasi maupun kecepatan dalam menerjemahkan sinyal otak menjadi bahasa yang dapat dipahami.

Yang membuat penelitian ini semakin menarik adalah kemampuannya mendekati performa teknologi BCI invasif yang selama ini dianggap sebagai standar tertinggi. Selama bertahun-tahun, sistem penerjemah aktivitas otak dengan tingkat akurasi tinggi hanya dapat diwujudkan melalui prosedur medis yang mengharuskan elektroda ditanam langsung ke dalam atau di permukaan otak. Kini, pendekatan non-invasif mulai mampu mengejar kemampuan tersebut.

Membantu Pasien Kehilangan Kemampuan Berkomunikasi

Salah satu tujuan utama pengembangan Brain2Qwerty adalah membantu pasien yang mengalami kerusakan otak akibat stroke, cedera traumatis, penyakit neurodegeneratif, maupun kondisi neurologis lain yang menyebabkan hilangnya kemampuan berbicara.

Selama ini, teknologi neuroprostesis telah menunjukkan bahwa sinyal otak dapat diterjemahkan menjadi kata-kata menggunakan AI. Namun, metode tersebut biasanya memanfaatkan prosedur invasif seperti stereotactic electroencephalography (SEEG) maupun electrocorticography (ECoG) yang mengharuskan pasien menjalani operasi untuk menempatkan elektroda di dalam atau di permukaan otak.

Meskipun memberikan hasil yang sangat baik, prosedur tersebut tidak mudah diterapkan secara luas. Selain membutuhkan tindakan bedah yang kompleks, biaya dan risiko medis juga menjadi tantangan besar.

Brain2Qwerty v2 mencoba menawarkan solusi berbeda. Teknologi ini memanfaatkan perangkat magnetoencephalography (MEG) yang mampu merekam aktivitas magnetik otak dari luar kepala tanpa melakukan operasi sedikit pun.

Pendekatan tersebut membuat teknologi menjadi jauh lebih aman sekaligus membuka peluang agar dapat digunakan oleh lebih banyak pasien di masa depan.

Melatih AI Menggunakan Puluhan Ribu Kalimat

Untuk membangun sistem yang mampu memahami hubungan antara aktivitas otak dan bahasa, tim peneliti mengumpulkan data dalam jumlah besar. Sebanyak sembilan sukarelawan mengikuti proses penelitian. Masing-masing peserta menjalani sesi perekaman selama sekitar 10 jam menggunakan perangkat MEG sambil mengetik berbagai kalimat.

Secara keseluruhan, penelitian menghasilkan sekitar 22.000 kalimat yang kemudian digunakan sebagai data pelatihan AI. Berbeda dengan penelitian sebelumnya yang menggunakan berbagai tahapan pemrosesan manual untuk mengenali pola aktivitas saraf tertentu, Brain2Qwerty v2 menggunakan pendekatan deep learning end-to-end.

Artinya, sistem mempelajari hubungan langsung antara sinyal mentah dari otak dengan teks yang diketik tanpa memerlukan proses rekayasa fitur yang rumit. Pendekatan ini memungkinkan AI menemukan pola yang sebelumnya sulit dikenali menggunakan metode konvensional.

LLM Membantu Memahami Makna Kalimat

Salah satu inovasi penting dalam Brain2Qwerty v2 adalah pemanfaatan Large Language Model (LLM) yang disesuaikan menggunakan data aktivitas otak.

LLM tidak hanya menerjemahkan sinyal menjadi kata demi kata, tetapi juga memahami konteks bahasa secara keseluruhan. Kemampuan tersebut sangat penting karena sinyal otak yang direkam secara non-invasif cenderung mengandung banyak gangguan atau noise.

Dengan memanfaatkan pemahaman semantik yang dimiliki model bahasa modern, AI dapat memperkirakan susunan kata yang paling masuk akal sehingga kalimat yang dihasilkan menjadi lebih alami dan mudah dipahami.

Selain itu, tim peneliti juga memanfaatkan AI agents untuk mengeksplorasi berbagai kemungkinan konfigurasi pelatihan. Agen AI tersebut membantu menguji berbagai kombinasi parameter sehingga proses optimasi menjadi lebih efisien.

Meski demikian, konfigurasi akhir tetap dipilih secara manual oleh para insinyur guna memastikan kualitas model yang dihasilkan.

Akurasi Meningkat Drastis

Hasil penelitian menunjukkan peningkatan performa yang sangat signifikan dibandingkan metode non-invasif sebelumnya. Brain2Qwerty v2 mampu mencapai akurasi kata sebesar 61 persen dalam menerjemahkan sinyal otak menjadi kalimat yang koheren.

Sebagai perbandingan, berbagai pendekatan non-invasif sebelumnya hanya mampu menghasilkan akurasi sekitar 8 persen. Artinya, teknologi terbaru ini memberikan lompatan performa yang sangat besar.

Pada peserta dengan hasil terbaik, tingkat akurasi bahkan mencapai 78 persen.

Lebih menarik lagi, lebih dari separuh seluruh kalimat berhasil diterjemahkan dengan hanya satu kesalahan kata atau bahkan tanpa kesalahan sama sekali. Pencapaian tersebut menunjukkan bahwa sistem mulai mampu menghasilkan komunikasi yang cukup andal meskipun masih menggunakan perekaman aktivitas otak tanpa operasi.

Semakin Banyak Data, Semakin Akurat

Penelitian juga menemukan hubungan yang menarik antara jumlah data pelatihan dengan performa AI. Para peneliti mengamati bahwa akurasi decoding meningkat secara log-linear seiring bertambahnya volume data yang digunakan selama pelatihan model.

Temuan ini memberikan optimisme bahwa peningkatan performa di masa depan mungkin tidak selalu memerlukan perubahan algoritma yang besar. Dengan menambah jumlah data dari lebih banyak peserta, kemampuan sistem diperkirakan akan terus meningkat dan perlahan mendekati akurasi teknologi invasif.

Jika tren tersebut terus berlanjut, kesenjangan performa antara metode non-invasif dan teknologi yang membutuhkan operasi otak dapat semakin dipersempit.

Mendorong Riset Neurosains Terbuka

Selain memperkenalkan model terbaru, tim peneliti juga mengambil langkah penting untuk mempercepat perkembangan riset di bidang neurosains. Mereka merilis kode pelatihan lengkap untuk Brain2Qwerty v1 maupun Brain2Qwerty v2 sehingga dapat digunakan dan dikembangkan oleh komunitas ilmiah di seluruh dunia.

Di saat yang sama, Basque Center on Cognition, Brain, and Language (BCBL) juga membuka akses terhadap dataset Brain2Qwerty v1.

Pendekatan terbuka ini diharapkan mampu mempercepat lahirnya inovasi baru karena para peneliti tidak perlu memulai dari awal. Mereka dapat langsung mengembangkan metode yang sudah tersedia atau menggunakannya sebagai dasar untuk penelitian lanjutan.

Bagian dari Digital Brain Project

Brain2Qwerty bukanlah proyek yang berdiri sendiri. Penelitian ini merupakan bagian dari upaya yang lebih besar untuk membangun foundation model bagi otak manusia.

Dalam ekosistem tersebut terdapat beberapa proyek lain, seperti Tribev2 yang berfokus pada pemodelan persepsi manusia, NeuralSet yang dirancang untuk memproses data otak dalam skala besar, serta NeuralBench yang digunakan untuk mengevaluasi berbagai model AI secara sistematis.

Seluruh inisiatif tersebut didukung melalui Digital Brain Project, yang juga menyediakan pendanaan sebesar US$5 juta guna mendorong pengembangan dataset terbuka bagi komunitas riset internasional.

Dengan pendekatan kolaboratif dan keterbukaan data, para peneliti berharap kemajuan di bidang AI dan neurosains dapat berlangsung lebih cepat. Pada akhirnya, teknologi seperti Brain2Qwerty diharapkan tidak hanya menjadi pencapaian akademis, tetapi juga berkembang menjadi solusi nyata yang mampu membantu pasien dengan gangguan neurologis untuk kembali berkomunikasi dengan keluarga, tenaga medis, dan lingkungan sekitarnya tanpa harus menjalani operasi otak.