La startup deep-tech indiana NeuroDx ha annunciato al India AI Impact Summit 2026 la presentazione di Manas-1, un modello di intelligenza artificiale di tipo brain language model progettato per interpretare e decodificare l’attività elettrica del cervello umano. Si tratta di un sistema AI fondazionale con circa 400 milioni di parametri, sviluppato per analizzare segnali EEG (elettroencefalogramma) e tradurli in informazioni clinicamente utili, con l’obiettivo di trasformare approcci diagnostici tradizionali in neurologia e di fornire un supporto decisionale avanzato in ambito medico.
Il modello Manas-1 nasce da una combinazione di tecniche di apprendimento automatico avanzato e dati biosignali estremamente ricchi e diversificati, che comprendono registrazioni EEG raccolte da oltre 25.000 soggetti e più di 60.000 ore di dati grezzi, con l’intento di creare una rappresentazione robusta delle dinamiche cerebrali umane. Attraverso questa base dati su vasta scala, il modello è stato addestrato per riconoscere pattern neuroelettrici associati a diverse condizioni neurologiche e di salute mentale, raggiungendo livelli di precisione superiori al 95 % nell’identificazione di biomarcatori per l’epilessia e disturbi correlati.
Dal punto di vista architetturale, Manas-1 si inserisce nella categoria dei modelli di “linguaggio cerebrale”, configurandosi come un fondamento su cui costruire ulteriori sistemi AI in grado di comprendere segnali fisiologici complessi. L’idea di base è quella di trattare l’attività neurale non come semplici onde elettriche isolate, ma come un linguaggio biologico con strutture, pattern e correlazioni che possono essere apprese da un modello neurale di grande scala. In questa prospettiva, l’intelligenza artificiale non si limita a fare inferenze statistiche su dati aggregati, ma impara a riconoscere strutture funzionali profonde che riflettono processi neurologici reali.
Un aspetto rilevante è la scelta di NeuroDx di presentare Manas-1 al summit legato alla missione IndiaAI e di sottoporlo alle autorità governative per valutazione e validazione all’interno di standard emergenti per asset di intelligenza artificiale “sovrani” o nativi. Questo passo non riguarda semplicemente una verifica tecnica, ma segnala la volontà di costruire un’infrastruttura di IA che sia conforme alle normative e alle esigenze strategiche nazionali, in un contesto globale in cui la sovranità dei dati e l’affidabilità dei modelli AI sono questioni di crescente importanza.
L’ambizione dichiarata da parte del team di NeuroDx è quella di scalare rapidamente il modello oltre gli attuali 400 milioni di parametri fino a circa 2 miliardi, con l’obiettivo di potenziare ulteriormente la capacità del sistema di catturare strutture complesse nei segnali biologici umani. Tale espansione rappresenta un ambizioso piano di crescita che riflette le esigenze emergenti di applicazioni AI ad alta precisione in neurologia, salute mentale, medicina predittiva e altre aree in cui l’interpretazione accurata dei segnali cerebrali può aprire nuove frontiere diagnostiche e terapeutiche.
L’impiego attuale di Manas-1 si concentra principalmente su applicazioni cliniche, tra cui la diagnosi precoce di disturbi neurologici come l’epilessia, l’analisi di condizioni psichiatriche complesse e il supporto alla decisione medica. L’innovazione principale risiede nella capacità del modello di elaborare segnali EEG ad alta dimensionalità e di trasformarli in output interpretabili da professionisti sanitari, superando le limitazioni degli approcci diagnostici convenzionali basati su regole fisse o su elaborazioni manuali dei segnali.
La piattaforma su cui si basa Manas-1 utilizza metodologie di apprendimento rappresentativo avanzate, aggregando informazioni spaziali, temporali, spettrali e di canale dei segnali EEG in un formato che permette di cogliere relazioni oltre i limiti di metodi tradizionali. Questo approccio consente di creare un modello che non si limita a riconoscere pattern superficiali, ma cerca di capire come diverse componenti dell’attività cerebrale si combinano e influenzano l’un l’altra, aprendo potenzialmente la strada a nuove tecniche di brain-computer interface, monitoraggio continuo delle condizioni neurologiche e personalizzazione delle terapie.
Oltre all’impatto clinico immediato, lo sviluppo di un modello come Manas-1 ha implicazioni più ampie per il campo della neurotecnologia e dell’intelligenza artificiale. La possibilità di interpretare il “linguaggio” del cervello con strumenti computazionali avanzati potrebbe accelerare la ricerca in neuroscienze, l’uso di AI nei dispositivi indossabili per la salute cerebrale, e persino lo sviluppo di interfacce neurali avanzate che combinano capacità di sensori biologici con elaborazione AI in tempo reale. La prospettiva è quella di creare sistemi in grado di apprendere e adattarsi alle dinamiche individuali dell’attività cerebrale, ponendo le basi per applicazioni di assistenza personalizzata e per un salto qualitativo nella comprensione dei processi neurologici umani.