Democratizing Music Therapy: LLM-Based Automated EEG Analysis and Progress Tracking for Low-Cost Home Devices

Dit onderzoek presenteert een prototype-systeem dat grote taalmodellen (LLM's) gebruikt om ruwe EEG- en hartslaggegevens om te zetten in begrijpelijke therapeutische rapporten en gepersonaliseerde muziekadviezen, met als doel muziektherapie via betaalbare apparatuur voor thuisgebruik toegankelijker te maken.

De kern

Stel je voor dat je een persoonlijke muziektherapeut in huis hebt, maar dan eentje die niet alleen naar je luistert, maar ook direct in je hersenen kan "kijken" om te zien hoe je je écht voelt. Dat is precies wat dit onderzoek probeert te doen.

Hier is de uitleg van het onderzoek in begrijpelijke taal:

Het Probleem: De "Taalbarrière" van je Brein

Als je een slimme smartwatch of een EEG-band (een soort hoofdband met sensoren) draagt, verzamelt die apparaatjes een enorme berg data: elektrische schommelingen in je hersenen en je hartslag.

Maar voor de gemiddelde mens is die data volstrekt onleesbaar. Het is alsof je een enorme berg wiskundige formules krijgt voorgeschoteld terwijl je eigenlijk alleen maar wilt weten: "Gaat het wel goed met me? En welke muziek helpt me om te ontspannen?" Normaal gesproken heb je daar een dure specialist voor nodig, en dat is niet voor iedereen haalbaar.

De Oplossing: Een AI-tolk voor je Gevoelens

De onderzoekers hebben een systeem gebouwd dat werkt als een slimme vertaler. Ze gebruiken een "Large Language Model" (een soort super-slimme versie van ChatGPT) en koppelen die aan medische sensoren.

Je kunt het proces zo zien:

1. De Sensoren (De Oren van het Systeem): Terwijl je in een speciale "therapie-pod" zit te luisteren naar muziek, meet een hoofdband je hersengolven (EEG) en een sensor je hartslag.
2. De Signaalverwerker (De Wiskundige Assistent): De ruwe data is te chaotisch voor een AI. Daarom is er eerst een "assistent" die de ruis wegfiltert en de belangrijkste patronen eruit vist (zoals: "de hersengolven voor ontspanning nemen toe").
3. De AI-Agent (De Slimme Therapeut): Dit is de ster van de show. De AI krijgt de cijfers van de assistent en vertaalt die naar menselijke taal. In plaats van "Alfa-golven: 12Hz", zegt de AI tegen jou: "Je brein vertoont tekenen van lichte spanning, maar je bent ook goed in staat om te focussen."
4. De Muziek-DJ (De Persoonlijke Playlist): De AI kijkt niet alleen naar je brein, maar ook naar je hartslag. Als je hartslag hoog is, zoekt de AI in een bibliotheek naar muziek met een rustig tempo (BPM) dat precies past bij jouw lichaam, om je weer in balans te brengen.

Een Metafoor: De Stemvork en de Dirigent

Stel je voor dat je lichaam een orkest is. Soms spelen de violen (je hartslag) te hard en de trommels (je hersengolven) te chaotisch. Je weet dat het een rommeltje is, maar je kunt de muzikanten niet zelf aansturen.

Dit systeem werkt als een dirigent die achter de schermen meekijkt. De dirigent ziet precies waar de chaos zit, schrijft een kort verslagje voor je op: "De violen moeten wat zachter," en geeft je vervolgens een partituur (een muzieklijstje) die precies de juiste noten bevat om het orkest weer in een prachtige, harmonieuze melodie te laten klinken.

Waarom is dit belangrijk? (De Democratisering)

De titel van het paper gebruikt het woord "Democratisering". Dat klinkt heel zwaar, maar het betekent eigenlijk: "Iedereen toegang geven."

In plaats van dat je naar een duur klinisch centrum moet voor muziektherapie, maakt dit onderzoek het mogelijk om met goedkope apparatuur thuis je eigen mentale gezondheid te monitoren. Je krijgt niet alleen een grafiekje met ingewikkelde lijntjes, maar een begrijpelijk verhaal en een muzieklijstje dat echt bij je helpt.

Kortom: Het is een brug tussen de complexe wereld van hersensignalen en de rustgevende wereld van muziek, gebouwd door een AI die de taal van zowel de wetenschapper als de luisteraar spreekt.

Technische samenvatting

Technische Samenvatting: Democratisering van Muziektherapie via LLM-gebaseerde EEG-analyse

1. Probleemstelling (The Problem)

Hoewel muziektherapie effectief is bij het behandelen van stress, angst en slaapstoornissen, is de implementatie in een thuissituatie problematisch. De huidige barrières zijn:

• Expertise-afhankelijkheid: Het interpreteren van fysiologische signalen (zoals EEG/hersengolven) vereist gespecialiseerde kennis. Gebruikers hebben wel de data (via wearables), maar begrijpen niet wat de resultaten betekenen voor hun voortgang.
• Gebrek aan interpretatie: Bestaande systemen richten zich vaak op real-time aanpassing van muziek (bijv. het veranderen van volume tijdens het luisteren), maar bieden weinig post-hoc analyse (rapportage achteraf) die begrijpelijk is voor leken.
• Kosten: Klinische EEG-apparatuur en professionele analyse zijn te duur voor breed gebruik in de thuissituatie.

2. Methodologie (Methodology)

De onderzoekers hebben een prototype ontwikkeld voor een "AI-powered music therapy pod". Het systeem combineert draagbare sensoren met een intelligent agent-systeem.

A. Signaalverwerking (Signal Processing):

• Data-acquisitie: Gebruik van een single-channel EEG-headband (AF3-positie op het voorhoofd) en een pulsoximeter voor hartslag (HR) en zuurstofverzadiging (SpO2).
• EEG-analyse: De ruwe signalen worden gefilterd en onderverdeeld in vier frequentiebanden: Delta (diepe slaap), Theta (intuïtie/interne exploratie), Alpha (ontspanning) en Beta (alertheid/angst).
• Extractie: Via de Hilbert-transformatie worden amplitude-enveloppen berekend en via Fast Fourier Transform (FFT) worden de dominante frequenties bepaald. Er wordt gekeken naar de trend (toename of afname van energie) tussen de eerste en tweede helft van de sessie.

B. Het LLM-Agent Systeem (The Model):
Het hart van het systeem is een intelligent agent-model gebaseerd op Qwen3 32B. Het systeem werkt via een tool-augmented framework:

1. Tool Invocation: In plaats van de LLM direct naar ruwe data te laten kijken (wat tot hallucinaties leidt), roept de LLM een gespecialiseerde Python-functie (process_eeg) aan die de wiskundige analyse uitvoert.
2. Cognitieve Redenering: De LLM ontvangt de gestructureerde wiskundige resultaten (bijv. "Theta-energie neemt toe") en vertaalt dit naar een menselijk leesbaar rapport met neurowetenschappelijke context.
3. RAG (Retrieval-Augmented Generation): Voor muziek aanbevelingen gebruikt het systeem een RAG-methode waarbij de gemiddelde hartslag wordt gekoppeld aan een database van muziekstukken met specifieke BPM-waarden (Beats Per Minute).

3. Belangrijkste Bijdragen (Key Contributions)

• Automatisering van rapportage: Het overbruggen van de kloof tussen complexe neurofysiologische data en begrijpelijke taal voor niet-experts.
• Hybride aanpak: De integratie van gespecialiseerde signaalverwerkingstools met de taalvaardigheden van LLM's om "hallucinaties" (foutieve interpretaties) te voorkomen.
• Multimodaal systeem: Een geïntegreerde workflow die zowel EEG als cardiovasculaire data (hartslag) gebruikt voor zowel psychologische analyse als praktische muziekplanning.

4. Resultaten (Results)

• Expert Evaluatie: In een blind onderzoek presteerde het voorgestelde systeem (LLM + tools) significant beter dan standaard LLM's zoals GPT-5 of Qwen-plus zonder tools. De experts gaven het systeem een gemiddelde score van 15.15, vergeleken met respectievelijk 12.73 en een zeer lage 2.12 voor de baselines. Dit komt doordat de tools de nauwkeurigheid van de spectrale analyse waarborgen.
• Gebruikersstudie: De analyse van de gegenereerde rapporten toonde aan dat de emotionele staat van de gebruiker correct werd weerspiegeld. Gebruikers in de "high-emotion" groep (ontspannen/focus) kregen rapporten met significant meer positieve trefwoorden dan de "low-emotion" groep.

5. Betekenis (Significance)

Dit werk demonstreert dat het mogelijk is om hoogwaardige, fysiologisch gedreven muziektherapie te democratiseren. Door gebruik te maken van goedkope consumentenhardware en krachtige AI-modellen, kan muziektherapie verschuiven van een klinische setting naar een toegankelijke, zelfregulerende tool voor thuisgebruik. Het biedt een schaalbaar model voor gepersonaliseerde mentale gezondheidszorg waarbij de gebruiker niet alleen muziek consumeert, maar ook actief zijn eigen therapeutische voortgang kan monitoren en begrijpen.