Ny Apple-forskning antyder hur framtida Airpods kan läsa hjärnsignaler

Studien, “Learning the relative composition of EEG signals using pairwise relative shift pretraining”, presenterar en metod kallad PARS (Pairwise Relative Shift). I dagens eeg-modeller krävs omfattande manuell märkning av dataströmmar, till exempel vilka signaler som motsvarar olika sömnstadier eller när epileptiska anfall börjar och slutar. Apples forskare har istället tränat en AI-modell att förutsäga hur två segment av eeg-data förhåller sig till varandra i tid, baserat på rå signaldata. Resultaten visade att den självtränande modellen kunde identifiera övergripande strukturer i hjärnaktivitet och i flera fall presterade bättre än befintliga metoder. Metoden skulle i teorin kunna förbättra uppgifter som sömnanalys, avvikelsedetektering och epilepsidiagnostik. I och med att Airpods Pro 3 redan har fått en optisk pulssensor (PPG), väcker det spekulationer om att framtida Airpods kan utrustas med sensorer för att registrera hjärnvågor. Detta förstärks av en Apple-patentansökan från 2023 med titeln “a wearable electronic device for measuring biosignals of a user”. I patentet beskriver Apple utmaningar med att placera eeg-elektroder i örat, variationer mellan individers öronform, passform över tid och kostnaden för kundanpassade lösningar, samt ett förslag där flera små sensorer byggs in i enheten och där AI väljer den optimala signalen utifrån brus, impedans och kontaktkvalitet. Studien nämner inte Airpods, och har ingen direkt koppling till patentet. Det rör sig om grundforskning om hur AI kan lära sig eeg-mönster från rådata. Däremot visar kombinationen av forskning och hårdvarupatent att Apple aktivt utforskar området, både insamling av biosignaler och AI-modeller för att tolka dessa.