Udgivet den: 16. februar 2025 / Opdateret den: 16. februar 2025 – Forfatter: Konrad Wolfenstein
Tankelæsning og AI: Ikke-invasiv hjernetekstafkodning og sensorer til deep learning-arkitekturer fra Meta AI – Billede: Xpert.Digital
Fremtiden for menneske-maskine-interaktion er nu – hjernesignaler som nøglen til kommunikation
Hjerne-til-tekst-afkodningsteknologier: En sammenligning mellem ikke-invasive og invasive tilgange
Evnen til at oversætte tanker til tekst repræsenterer et revolutionerende fremskridt inden for menneske-computer-interaktion og har potentiale til fundamentalt at forbedre livskvaliteten for mennesker med kommunikationsvanskeligheder. Både Meta AI's ikke-invasive Brain2Qwerty-teknologi og invasiv elektrokortikografi (ECoG) sigter mod at opnå dette mål ved at afkode taleintentioner direkte fra hjernesignaler. Selvom begge teknologier deler det samme overordnede mål, adskiller de sig fundamentalt i deres tilgang, styrker og svagheder. Denne omfattende sammenligning fremhæver de afgørende fordele ved den ikke-invasive metode uden at forringe rollen og fordelene ved invasive procedurer.
Sikkerhedsprofil og kliniske risici: En afgørende forskel
Den væsentligste forskel mellem ikke-invasive og invasive hjerne-computer-grænseflader (BCI'er) ligger i deres sikkerhedsprofil og de tilhørende kliniske risici. Dette aspekt er af central betydning, da det i væsentlig grad påvirker tilgængeligheden, anvendeligheden og den langsigtede accept af disse teknologier.
Undgå neurokirurgiske komplikationer: En ubestridelig fordel ved ikke-invasive procedurer
Elektrokortikografi (ECoG) kræver neurokirurgisk indgreb, hvor elektrodeopstillinger implanteres direkte på hjernens overflade under dura mater (den yderste membran, der dækker hjernen). Selvom denne procedure rutinemæssigt udføres på specialiserede centre, indebærer den iboende risici. Statistikker viser en risiko på 2 til 5 procent for alvorlige komplikationer efter sådanne procedurer. Disse komplikationer kan omfatte en bred vifte, herunder:
Intrakranielle blødninger
Blødning i kraniet, såsom subdurale hæmatomer (blodansamlinger mellem dura mater og arachnoidea mater) eller intracerebrale blødninger (blødning direkte i hjernevævet), kan være forårsaget af selve operationen eller af tilstedeværelsen af elektroderne. Denne blødning kan føre til øget intrakranielt tryk, neurologiske defekter og i alvorlige tilfælde endda død.
Infektioner
Enhver kirurgisk procedure indebærer en risiko for infektion. Ved ECoG-implantation kan der forekomme infektioner i såret, hjernehinderne (meningitis) eller hjernevævet (encephalitis). Sådanne infektioner kræver ofte aggressiv antibiotikabehandling og kan i sjældne tilfælde føre til permanent neurologisk skade.
Neurologiske underskud
Selvom målet med ECoG-implantation er at forbedre den neurologiske funktion, er der en risiko for, at selve proceduren eller placeringen af elektroderne kan føre til nye neurologiske defekter. Disse kan manifestere sig som svaghed, følelsestab, taleforstyrrelser, anfald eller kognitiv svækkelse. I nogle tilfælde kan disse defekter være midlertidige, men i andre kan de være permanente.
Anæstesirelaterede komplikationer
ECoG-implantation kræver normalt generel anæstesi, som også medfører sine egne risici, herunder allergiske reaktioner, luftvejsproblemer og kardiovaskulære komplikationer.
I modsætning hertil eliminerer Meta AI's MEG/EEG-baserede tilgang fuldstændigt disse risici. Denne ikke-invasive metode involverer ekstern fastgørelse af sensorer på hovedbunden, svarende til en konventionel EEG-undersøgelse. Ingen kirurgi er nødvendig, hvilket undgår alle de førnævnte komplikationer. Kliniske forsøg med Brain2Qwerty-systemet, udført med 35 deltagere, viste ingen bivirkninger, der krævede behandling. Dette understreger den overlegne sikkerhedsprofil for ikke-invasive metoder.
Langsigtet stabilitet og hardwarefejl: En fordel ved kroniske applikationer
Et andet vigtigt aspekt vedrørende klinisk anvendelighed er systemernes langsigtede stabilitet og risikoen for hardwarefejl. Med ECoG-elektroder er der risiko for, at de mister funktionalitet over tid på grund af ardannelse i vævet eller elektrodenedbrydning. Undersøgelser tyder på, at ECoG-elektroder kan have en levetid på cirka 2 til 5 år. Efter dette tidspunkt kan det være nødvendigt at udskifte elektroden, hvilket involverer en ny kirurgisk procedure og de tilhørende risici. Derudover er der altid mulighed for pludselig hardwarefejl, som pludselig kan afbryde systemets funktionalitet.
Ikke-invasive systemer, som dem der er udviklet af Meta AI, tilbyder en klar fordel i denne henseende. Fordi sensorerne er fastgjort eksternt, er de ikke underlagt de samme biologiske nedbrydningsprocesser som implanterede elektroder. Ikke-invasive systemer tilbyder stort set ubegrænsede vedligeholdelsescyklusser. Komponenter kan udskiftes eller opgraderes efter behov uden at kræve invasiv kirurgi. Denne langsigtede stabilitet er især afgørende for kroniske applikationer, især for patienter med locked-in syndrom eller andre kroniske lammelsestilstande, der er afhængige af en permanent kommunikationsløsning. Behovet for gentagne kirurgiske indgreb og risikoen for hardwarefejl ville forringe disse patienters livskvalitet betydeligt og begrænse accepten af invasive systemer til langsigtede applikationer.
Signalkvalitet og dekodningsydelse: En detaljeret sammenligning
Selvom sikkerhed er en ubestridelig fordel ved ikke-invasive metoder, er signalkvalitet og den resulterende afkodningsydelse et mere komplekst felt, hvor både invasive og ikke-invasive tilgange har deres styrker og svagheder.
Sammenligning af rumlig-tidsmæssig opløsning: Præcision vs. ikke-invasivitet
ECoG-systemer, hvor elektroder placeres direkte på hjernebarken, tilbyder enestående rumlig og tidsmæssig opløsning. Den rumlige opløsning af ECoG ligger typisk i området 1 til 2 millimeter, hvilket betyder, at den kan opfange neural aktivitet fra meget små og specifikke områder af hjernen. Den tidsmæssige opløsning er også fremragende på cirka 1 millisekund, hvilket gør det muligt for ECoG-systemer præcist at opfange ekstremt hurtige neurale hændelser. Denne høje opløsning gør det muligt for ECoG-systemer at opnå klinisk validerede tegnfejlrater (CER) på mindre end 5%. Det betyder, at ud af 100 tegn genereret med en ECoG-baseret BCI, vil færre end 5 indeholde fejl. Denne høje nøjagtighed er afgørende for effektiv og flydende kommunikation.
Brain2Qwerty, Meta AI's ikke-invasive system, opnår i øjeblikket tegnfejlrater på 19 til 32 % ved hjælp af magnetoencefalografi (MEG). Selvom disse er højere fejlrater sammenlignet med ECoG, er det vigtigt at understrege, at disse resultater opnås med en ikke-invasiv metode, der ikke medfører kirurgiske risici. Den rumlige opløsning af MEG er i området 2 til 3 millimeter, hvilket er lidt lavere end ECoG, men stadig tilstrækkeligt til at opfange relevante neurale signaler. Den tidsmæssige opløsning af MEG er også meget god, i millisekundområdet.
Meta AI har dog gjort betydelige fremskridt med at forbedre signalkvaliteten og afkodningsydelsen for ikke-invasive systemer. Disse fremskridt er baseret på tre nøgleinnovationer:
CNN-Transformer hybridarkitektur
Denne avancerede arkitektur kombinerer styrkerne ved konvolutionelle neurale netværk (CNN'er) og transformernetværk. CNN'er er særligt effektive til at udtrække rumlige træk fra de komplekse mønstre af neural aktivitet, der fanges af MEG og EEG. De kan identificere lokale mønstre og rumlige relationer i dataene, der er relevante for afkodning af taleintentioner. Transformernetværk udmærker sig derimod ved at lære og udnytte sproglig kontekst. De kan modellere forholdet mellem ord og sætninger over lange afstande og derved forbedre forudsigelsen af taleintentioner baseret på kontekst. Kombinationen af disse to arkitekturer i en hybridmodel muliggør effektiv brug af både rumlige træk og sproglig kontekst for at forbedre afkodningsnøjagtigheden.
Wav2Vec-integration
Integrationen af Wav2Vec, en selvovervåget læringsmodel til talerepræsentationer, repræsenterer endnu et betydeligt fremskridt. Wav2Vec er prætrænet på store mængder umærkede lyddata og lærer at udtrække robuste og kontekstrige repræsentationer af tale. Ved at integrere Wav2Vec i Brain2Qwerty-systemet kan neurale signaler matches med disse præbyggede talerepræsentationer. Dette gør det muligt for systemet at lære forholdet mellem neural aktivitet og sproglige mønstre mere effektivt og forbedre afkodningsnøjagtigheden. Selvovervåget læring er særligt værdifuld, fordi den reducerer behovet for store mængder mærkede træningsdata, som ofte er vanskelige at opnå inden for neurovidenskab.
Multisensorfusion
Brain2Qwerty udnytter synergistiske effekter ved at fusionere MEG og højdensitetselektroencefalografi (HD-EEG). MEG og EEG er komplementære neurofysiologiske måleteknikker. MEG måler magnetfelter genereret af neuronal aktivitet, mens EEG måler elektriske potentialer i hovedbunden. MEG tilbyder overlegen rumlig opløsning og er mindre modtagelig for artefakter fra kraniet, mens EEG er mere omkostningseffektivt og bærbart. Ved samtidig at indsamle og fusionere MEG- og HD-EEG-data kan Brain2Qwerty-systemet udnytte fordelene ved begge modaliteter og yderligere forbedre signalkvaliteten og afkodningsydelsen. HD-EEG-systemer med op til 256 kanaler muliggør en mere detaljeret registrering af elektrisk aktivitet i hovedbunden, hvilket supplerer den rumlige præcision af MEG.
Kognitiv afkodningsdybde: Ud over motoriske færdigheder
En central fordel ved ikke-invasive systemer som Brain2Qwerty ligger i deres evne til at gå ud over blot at måle motorisk cortex-aktivitet og også registrere sprogprocesser på højere niveau. ECoG, især når det placeres i motoriske områder, måler primært aktivitet relateret til den motoriske udførelse af tale, såsom bevægelser af talemusklerne. Brain2Qwerty kan derimod, ved at bruge MEG og EEG, også registrere aktivitet fra andre hjerneområder involveret i mere komplekse sprogprocesser, såsom:
Rettelse af typografiske fejl gennem semantisk forudsigelse
Brain2Qwerty er i stand til at rette stavefejl ved hjælp af semantisk forudsigelse. Systemet analyserer konteksten af de indtastede ord og sætninger og kan genkende sandsynlige fejl og rette dem automatisk. Dette forbedrer kommunikationens flydende og nøjagtige karakter betydeligt. Denne evne til at lave semantiske forudsigelser antyder, at systemet ikke kun afkoder motoriske intentioner, men også har udviklet en vis forståelse af sprogets semantiske indhold.
Rekonstruktion af komplette sæt uden for træningssættet
En bemærkelsesværdig egenskab ved Brain2Qwerty er dens evne til at rekonstruere komplette sætninger, selv når disse sætninger ikke var inkluderet i det oprindelige træningsdatasæt. Dette antyder en generaliseringsevne i systemet, der går ud over blot at huske mønstre. Systemet ser ud til at være i stand til at lære underliggende sprogstrukturer og regler og anvende dem på nye og ukendte sætninger. Dette er et vigtigt skridt mod mere naturlige og fleksible hjerne-tekst-grænseflader.
Detektion af abstrakte sproglige intentioner
Indledende undersøgelser har vist, at Brain2Qwerty opnår en nøjagtighed på 40% i at detektere abstrakte taleintentioner hos utrænede deltagere. Abstrakte taleintentioner refererer til den overordnede kommunikative intention bag en ytring, såsom "Jeg vil stille et spørgsmål", "Jeg vil udtrykke min mening" eller "Jeg vil fortælle en historie". Evnen til at genkende sådanne abstrakte intentioner antyder, at ikke-invasive BCI'er en dag måske ikke blot vil være i stand til at afkode individuelle ord eller sætninger, men også forstå brugerens overordnede kommunikative intention. Dette kan lægge grundlaget for mere naturlige og dialogorienterede menneske-computer-interaktioner.
Det er vigtigt at bemærke, at afkodningsydelsen for ikke-invasive systemer endnu ikke har nået niveauet for invasive ECoG-systemer. ECoG er fortsat overlegen med hensyn til afkodningspræcision og -hastighed. Fremskridt inden for ikke-invasiv signalbehandling og deep learning lukker dog støt dette hul.
Skalerbarhed og anvendelsesområde: tilgængelighed og omkostningseffektivitet
Udover sikkerhed og afkodningsydelse spiller skalerbarhed og anvendelighed en afgørende rolle i den udbredte accept og samfundsmæssige fordel af hjerne-tekst-afkodningsteknologier. På dette område viser ikke-invasive systemer klare fordele i forhold til invasive metoder.
Omkostningseffektivitet og tilgængelighed: Reduktion af barrierer
En nøglefaktor, der påvirker teknologiernes skalerbarhed og tilgængelighed, er omkostningerne. ECoG-systemer er forbundet med betydelige omkostninger på grund af behovet for kirurgi, specialiseret medicinsk udstyr og højt kvalificeret personale. De samlede omkostninger ved et ECoG-system, inklusive implantation og langtidsovervågning, kan nå op på cirka 250.000 euro eller mere. Disse høje omkostninger gør ECoG-systemer uoverkommelige for offentligheden og begrænser deres anvendelse til specialiserede medicinske centre.
I modsætning hertil sigter Meta AI med sin MEG-baserede løsning Brain2Qwerty mod betydeligt lavere omkostninger. Ved at bruge ikke-invasive sensorer og muligheden for masseproduktion af MEG-enheder er målet at reducere omkostningerne pr. enhed til under €50.000. Denne betydelige omkostningsforskel ville gøre ikke-invasive BCI'er tilgængelige for et langt større antal mennesker. Desuden eliminerer ikke-invasive systemer behovet for specialiserede neurokirurgiske centre. Anvendelser kan foretages i en bredere vifte af medicinske miljøer og endda i hjemmemiljøer. Dette er en afgørende faktor for at yde pleje til landdistrikter og sikre lige adgang til denne teknologi for mennesker verden over. De lavere omkostninger og større tilgængelighed af ikke-invasive systemer har potentiale til at omdanne hjernetekst-afkodningsteknologi fra en specialiseret og dyr behandling til en mere bredt tilgængelig og overkommelig løsning.
Adaptiv generaliserbarhed: Personalisering vs. standardisering
Et andet aspekt af skalerbarhed er systemernes tilpasningsevne og generaliserbarhed. ECoG-modeller kræver typisk individuel kalibrering for hver patient. Dette skyldes, at de neurale signaler, der registreres af ECoG-elektroder, er meget afhængige af den individuelle hjerneanatomi, elektrodeplacering og andre patientspecifikke faktorer. Individuel kalibrering kan være tidskrævende og kræve op til 40 træningstimer pr. patient. Denne kalibreringsindsats udgør en betydelig hindring for den udbredte brug af ECoG-systemer.
Brain2Qwerty har en anderledes tilgang og bruger transfer learning til at reducere behovet for tidskrævende individuel kalibrering. Systemet er præ-trænet på et stort datasæt af MEG/EEG-data indsamlet fra 169 individer. Denne præ-trænede model indeholder allerede omfattende viden om forholdet mellem neurale signaler og taleintentioner. For nye deltagere kræves der kun en kort tilpasningsfase på 2 til 5 timer for at skræddersy modellen til hver brugers individuelle karakteristika. Denne korte tilpasningsfase gør det muligt at opnå 75 % af den maksimale afkodningsydelse med minimal indsats. Brugen af transfer learning muliggør betydeligt hurtigere og mere effektiv idriftsættelse af ikke-invasive systemer, hvilket bidrager til deres skalerbarhed og brede anvendelighed. Evnen til at overføre en præ-trænet model til nye brugere er en central fordel ved ikke-invasive BCI'er med hensyn til deres udbredte anvendelighed.
Etiske og lovgivningsmæssige aspekter: Databeskyttelse og optagelsesprocedurer
Udviklingen og anvendelsen af teknologier til afkodning af hjernetekst rejser vigtige etiske og regulatoriske spørgsmål, der skal overvejes nøje. Der er også forskelle mellem invasive og ikke-invasive tilgange på dette område.
Databeskyttelse gennem begrænset signaludbytte: Beskyttelse af privatlivets fred
Et etisk aspekt, der ofte diskuteres i forbindelse med BCI'er, er databeskyttelse og muligheden for tankemanipulation. Invasive ECoG-systemer, som giver direkte adgang til hjerneaktivitet, udgør potentielt en højere risiko for misbrug af hjernedata. I princippet kan ECoG-systemer ikke kun bruges til at afkode taleintentioner, men også til at registrere andre kognitive processer og endda til at manipulere tanker gennem closed-loop-stimulation. Selvom den nuværende teknologi stadig er langt fra sådanne scenarier, er det vigtigt at huske på disse potentielle risici og udvikle passende sikkerhedsforanstaltninger.
Brain2Qwerty og andre ikke-invasive systemer er begrænset til passiv optagelse af motoriske intentionssignaler. Deres arkitektur er designet til automatisk at filtrere ikke-verbale aktivitetsmønstre fra. De dæmpede og støjende signaler, der opfanges af MEG og EEG på grund af interferens i hovedbunden, gør det teknisk set mere udfordrende at udtrække detaljeret kognitiv information eller endda manipulere tanker. Det "begrænsede signaludbytte" af ikke-invasive metoder kan på nogle måder ses som en beskyttelse af privatlivets fred. Det er dog vigtigt at understrege, at ikke-invasive BCI'er også rejser etiske spørgsmål, især vedrørende databeskyttelse, informeret samtykke og potentialet for misbrug af teknologien. Det er afgørende at udvikle etiske retningslinjer og lovgivningsmæssige rammer, der sikrer ansvarlig brug af alle typer BCI'er.
Godkendelsesvej for medicinsk udstyr: Hurtigere til ansøgning
Den regulatoriske proces for godkendelse af medicinsk udstyr er en anden vigtig faktor, der påvirker den hastighed, hvormed nye teknologier kan introduceres i klinisk praksis. Invasive ECoG-systemer klassificeres generelt som medicinsk udstyr med høj risiko, fordi de kræver kirurgisk indgreb og potentielt kan forårsage alvorlige komplikationer. Derfor kræver godkendelse af ECoG-systemer omfattende fase III-forsøg med omfattende langsigtede sikkerhedsdata. Denne godkendelsesproces kan tage flere år og kræve betydelige ressourcer.
Ikke-invasive systemer har derimod potentielt en hurtigere reguleringsproces. I USA kan ikke-invasive systemer, der bygger på og supplerer eksisterende EEG/MEG-enheder, være berettigede til godkendelse gennem Food and Drug Administration's (FDA) 510(k)-proces. 510(k)-processen er en forenklet godkendelsesproces for medicinsk udstyr, der "i det væsentlige svarer" til allerede godkendte produkter. Denne hurtigere proces kan give ikke-invasive hjernetekst-afkodningsteknologier mulighed for at komme hurtigere i klinisk brug og gavne patienter hurtigere. Det er dog vigtigt at understrege, at selv for ikke-invasive systemer kræves der streng dokumentation for sikkerhed og effektivitet for godkendelse. De lovgivningsmæssige rammer for hjernetekst-afkodningssystemer er et felt i udvikling, og det er afgørende, at regulatorer, forskere og industrien samarbejder om at udvikle klare og passende reguleringsprocesser, der fremmer innovation, samtidig med at patientsikkerheden sikres.
Begrænsninger ved den ikke-invasive tilgang: Der er fortsat tekniske udfordringer
Trods de mange fordele ved ikke-invasive hjerne-tekst-afkodningssystemer er det vigtigt at anerkende de eksisterende tekniske forhindringer og begrænsninger. Disse udfordringer skal håndteres for fuldt ud at realisere potentialet ved ikke-invasive hjerne-tekst-afkodningssystemer.
Realtidsforsinkelse
Brain2Qwerty og andre ikke-invasive systemer udviser i øjeblikket højere afkodningslatens end invasive ECoG-systemer. Brain2Qwerty afkoder først taleintentioner, når en sætning er færdig, hvilket resulterer i en forsinkelse på cirka 5 sekunder. Til sammenligning opnår ECoG-systemer en betydeligt lavere latenstid på omkring 200 millisekunder, hvilket muliggør kommunikation næsten i realtid. Den højere latenstid for ikke-invasive systemer skyldes den mere komplekse signalbehandling og behovet for at analysere svagere og mere støjende signaler. Reduktion af latenstid er et centralt mål for den videre udvikling af ikke-invasive BCI'er for at muliggøre en mere jævn og naturlig kommunikation.
Bevægelsesartefakter
MEG-systemer er meget følsomme over for bevægelsesartefakter. Selv små hovedbevægelser kan forstyrre målingerne betydeligt og forringe signalkvaliteten. Derfor kræver MEG-baseret dataindsamling typisk en fast hovedposition, hvilket begrænser mobile applikationer. Mens EEG er mindre modtagelig for bevægelsesartefakter, kan muskelbevægelser og andre artefakter stadig påvirke signalkvaliteten. Udvikling af robuste artefaktundertrykkelsesalgoritmer og skabelse af bærbare og bevægelsestolerante MEG- og EEG-systemer er afgørende forskningsområder for at udvide anvendelsesområdet for ikke-invasive BCI'er.
Patientkompatibilitet
Ikke-invasive systemer baseret på afkodning af tappeintentionsignaler kan nå deres grænser hos patienter med svært atrofieret motorisk cortex, såsom den, der ses i de sene stadier af amyotrofisk lateral sklerose (ALS). I sådanne tilfælde kan motorisk intention-baseret afkodning mislykkes, fordi de neurale signaler forbundet med tappebevægelser er for svage eller fraværende. For disse patientgrupper kan der være behov for alternative ikke-invasive tilgange, såsom dem, der er baseret på afkodning af kognitive sprogprocesser eller andre modaliteter som øjensporing. Desuden er det vigtigt at overveje individuelle forskelle i hjerneaktivitet og variationen i signalkvalitet mellem individer for at gøre ikke-invasive hjerne-computer-grænseflader (BCI'er) tilgængelige for en bredere patientpopulation.
Komplementære roller i neuroproteser: sameksistens og konvergens
Trods eksisterende tekniske udfordringer og den overlegne præcision ved invasive ECoG-systemer revolutionerer den ikke-invasive tilgang, som Meta AI og andre forskere bruger, tidlig interventionel pleje inden for neuroproteser. Ikke-invasive BCI'er tilbyder den fordel, at de er lavrisiko og brugbare selv ved sygdomsdebut, såsom ALS. De kan yde tidlig kommunikationsstøtte til patienter med nye kommunikationsvanskeligheder og derved forbedre deres livskvalitet og deltagelse i samfundet.
ECoG-systemer er fortsat uundværlige til højpræcisionsapplikationer hos fuldstændig lammede patienter, især dem med locked-in syndrom, hvor maksimal afkodningsnøjagtighed og realtidskommunikation er afgørende. For denne patientgruppe retfærdiggør de potentielle fordele ved invasive BCI'er de højere risici og omkostninger.
Fremtiden for hjerne-computer-grænseflader kan ligge i konvergensen af begge teknologier. Hybride systemer, der kombinerer fordelene ved ikke-invasive og invasive tilgange, kan indlede en ny æra inden for neuroproteser. For eksempel kan en sådan hybrid tilgang anvende epidurale mikroelektroder, som er mindre invasive end ECoG-elektroder, men stadig tilbyder højere signalkvalitet end ikke-invasive sensorer. Kombineret med avancerede AI-algoritmer til signalbehandling og -afkodning kan sådanne hybride systemer bygge bro mellem invasivitet og nøjagtighed og muliggøre en bredere vifte af anvendelser. Den fortsatte udvikling af både ikke-invasive og invasive hjerne-tekst-afkodningsteknologier, sammen med udforskningen af hybride tilgange, lover en fremtid, hvor mennesker med kommunikationshandicap har adgang til effektive, sikre og tilgængelige kommunikationsløsninger.
Relateret til dette:
Din globale marketing- og forretningsudviklingspartner
☑️ Vores forretningssprog er engelsk eller tysk
☑️ NYT: Korrespondance på dit modersmål!
Konrad Wolfenstein
Jeg og mit team er glade for at stå til rådighed for dig som din personlige rådgiver.
Du kan kontakte mig ved at udfylde kontaktformularen her eller blot ringe til mig på +49 89 89 674 804 ( München) . Min e-mailadresse er: [email protected]
Jeg glæder mig til vores fælles projekt.