Objectieve beoordeling van vertrouwdheid met muziek via verbeelding en EEG-gebaseerde machine learning

Waarom de liedjes in je hoofd ertoe doen

De meeste mensen kennen het: een favoriet nummer blijft in je hoofd doorgaan, ook nadat de muziek gestopt is. Deze studie stelt een opmerkelijke vraag: kunnen we, uitsluitend uit hersenactiviteit tijdens die stille momenten, afleiden of iemand een liedje in gedachten heeft dat hij goed kent of een dat hij nog nooit eerder heeft gehoord? Met behulp van hersengolfopnames en machine learning laten de onderzoekers zien dat onze hersenen een duidelijk, meetbaar signaal van muzikale vertrouwdheid dragen, zelfs wanneer er geen geluid de oren bereikt.

Luisteren naar muziek die plots stilvalt

Om deze verborgen mentale soundtrack te onderzoeken, rekruteerde het team twintig volwassenen zonder formele muzikale opleiding. Elke deelnemer koos vijf populaire liedjes die ze zeer goed kenden in hun moedertaal. De onderzoekers koppelden elk daarvan aan een vergelijkbaar maar onbekend nummer van minder bekende artiesten. Tijdens het experiment luisterden de proefpersonen naar twee minuten durende fragmenten van deze tien nummers terwijl hun hersenactiviteit werd opgenomen met een hoogdichte cap met meer dan 200 elektroden. Zonder waarschuwing bevatte elk nummer korte, twee seconden durende stiltes verspreid over het fragment. De deelnemers kregen simpelweg de instructie goed te luisteren; ze kregen niet opgedragen iets te verbeelden, maar beoordeelden later hoe makkelijk ze de ontbrekende stukjes mentaal aanvulden.

Hersengolven lezen in de stille momenten

De cruciale metingen kwamen van de hersengolven die alleen tijdens die korte stiltes werden geregistreerd. Omdat er geen geluid aanwezig was, moesten eventuele verschillen tussen vertrouwde en onbekende nummers voortkomen uit interne activiteit, zoals herinnering, voorspelling of spontane muzikale verbeelding. De onderzoekers verwerkten de elektrische signalen om ruis te verwijderen en knipten ze in korte segmenten gecentreerd op elke stilte. Daarna vertaalden ze deze complexe golfpatronen naar numerieke kenmerken, die zowel eenvoudige ritme-achtige eigenschappen als rijkere kaarten van hoe verschillende hersengebieden samen fluctueerden in de tijd vastlegden.

Machines leren vertrouwde deuntjes te herkennen

Vervolgens trainden de onderzoekers computeralgoritmen om het verschil te leren tussen stille intervallen die volgden op vertrouwde nummers en die op onbekende nummers. Voor iedere persoon bouwden ze aparte modellen, rekening houdend met het feit dat hersenen en muzikale geschiedenis per luisteraar verschillen. Een reeks modellen gebruikte klassieke maten van hersengolfsterkte in verschillende frequentiebanden, zoals zogenaamde theta- en alpha-ritmes die verbonden zijn met geheugen en interne aandacht. Een tweede, geavanceerdere benadering behandelde het patroon van verbindingen tussen elektroden als punten op een gekromde wiskundige ruimte, om die ruimte vervolgens op een manier te vervlakken die de structuur behoudt voordat ze naar de classifier gingen. In alle gevallen maakte die tweede strategie het voor de computer mogelijk om vertrouwdheid nauwkeuriger te onderscheiden.

Waar in de hersenen de stille muziek woont

Toen de onderzoekers bekeken welke elektroden het meest bijdroegen aan de beslissingen van de computer, ontstond een duidelijk beeld. Signalen boven de auditieve gebieden van de hersenen aan de zijkanten van het hoofd, vooral aan de rechterkant, droegen een groot deel van de nuttige informatie. Frontale gebieden naar de voorkant van het hoofd speelden ook een sleutelrol, en de patronen van koppeling tussen deze gebieden waren bijzonder informatief. Deze indeling komt overeen met eerder hersenbeeldonderzoek dat laat zien dat vertrouwde muziek hoorgebieden verbindt met geheugen- en controlesystemen, wat de hersenen helpt voorspellen hoe melodieën zich zullen ontvouwen. Interessant genoeg verklaarden de eigen beoordelingen van deelnemers over hoe levendig ze de muziek voor zich zagen of hoe vertrouwd het voelde niet sterk hoe goed de modellen presteerden, wat suggereert dat subtiele, automatische processen werden vastgelegd die verder gingen dan bewuste rapportage.

Wat dit betekent voor geheugen en mindreading

De studie laat zien dat het, door naar de hersenen te luisteren tijdens zorgvuldig geplaatste stiltes, mogelijk is om met ongeveer driekwart nauwkeurigheid te bepalen of iemand in gedachten een bekend of onbekend nummer hoort. Vooralsnog is dit een proof of concept bij een kleine groep gezonde jonge volwassenen, opgenomen met geavanceerde laboratoriumapparatuur. Maar het geeft een voorproefje van toekomstige instrumenten die muzikale herinnering—en wellicht andere vormen van geheugen—kunnen beoordelen zonder patiënten vragen te stellen of taken te laten uitvoeren. Als dit wordt gerepliceerd in grotere en meer gevarieerde groepen en aangepast aan eenvoudiger systemen voor hersenregistratie, zou deze aanpak op den duur kunnen helpen geheugenveranderingen te volgen bij aandoeningen zoals dementie, met niets meer dan favoriete liedjes en momenten van stilte.

Bronvermelding: Darçot, B., Nicolier, M., Giustiniani, J. et al. Objective assessment of familiarity in music using imagery and EEG-based machine learning. Sci Rep 16, 8689 (2026). https://doi.org/10.1038/s41598-026-41988-0

Trefwoorden: muzikale herinnering, EEG, hersengolven, machine learning, muziekvertrouwdheid