Birger Moëll

Kort presentation

Lektor i datorlingvistik. Jag är både legitimerad psykolog och AI-forskare. Min forskning fokuserar på skärningspunkten mellan maskininlärning, talteknologi och klinisk psykologi. Jag disputerade vid KTH 2025 med en avhandling om utvärdering av AI inom medicin. Jag är särskilt intresserad av stora språkmodeller (LLM), automatisering av talanalys samt säkerhetsaspekter och "harm reduction" vid implementering av AI i vården. Föreläser på Informationsökning samt Språkteknologi-kursen.

Nyckelord

• Datorlingvistik
• NLP
• Stora språkmodeller (LLM)
• Talteknologi
• AI inom hälso- och sjukvård
• Klinisk psykologi
• Digitala biomarkörer
• ASR.

Biografi

Jag är lektor i datorlingvistik vid Institutionen för lingvistik och filologi. Min bakgrund är tvärvetenskaplig och kombinerar en psykologexamen från Stockholms universitet med omfattande erfarenhet inom mjukvaruutveckling och maskininlärning.

Jag disputerade i Tal- och musikkommunikation vid KTH 2025 med avhandlingen "Evaluation of Artificial Intelligence in the Medical Domain: Speech, Language and Applications".

Min forskning drivs av viljan att överbrygga klyftan mellan avancerad AI-teknik och klinisk nytta. Jag har bland annat arbetat med att utveckla metoder för att upptäcka tidig demens via multimodal data, förbättra taligenkänning för personer med afasi, samt skapa ramverk för att utvärdera hur stora språkmodeller resonerar kring medicinska fall.

Utöver min akademiska bana har jag en bakgrund som Full Stack-utvecklare och är medgrundare till företaget Eir Space, som bygger en integritetsbevarande hälsoplattform som ger hälso-stöd med hjälp av AI.

Forskning

Min forskning är centrerad kring tre huvudteman:

1. Utvärdering av språkmodeller (LLM): Jag leder arbetet med att ta fram och utvärdera riktmärken för AI inom vården, specifikt Swedish Medical LLM Benchmark (SMLB). Jag studerar även "Chain-of-Thought"-resonemang i modeller för att förstå kognitiva bias hos AI.
2. Talteknologi för diagnostik: Jag forskar på hur talakustiska särdrag kan användas som digitala biomarkörer. Detta inkluderar projekt kring automatiserad bedömning av motoriska talsvårigheter (t.ex. Pataka-testet) och optimering av ASR-system för andraspråkstalare och personer med talsvårigheter.
3. Säkerhet och implementering: Jag utvecklar strategier för "harm reduction" vid användning av generativ AI inom medicin, med fokus på både patientsäkerhet och kliniska arbetsflöden.

Publication List

Doctoral Thesis

Moëll, B. (2025). Evaluation of Artificial Intelligence in the Medical Domain: Speech, Language and Applications. PhD Thesis. KTH Royal Institute of Technology. ISBN: 978-91-8106-404-9.

Peer-Reviewed Journal Articles

Moëll, B., & Aronsson, F. S. (2026). High-accuracy prediction of mental health scores from English BERT embeddings trained on LLM-generated synthetic self-reports: a synthetic-only method development study. Frontiers in Digital Health, 7, 1694464.

Moëll, B., Aronsson, F. S., & Akbar, S. (2025). Medical reasoning in LLMs: an in-depth analysis of DeepSeek R1. Frontiers in Artificial Intelligence, 8, 1616145. DOI: 10.3389/frai.2025.1616145

Moëll, B., Farestam, F., & Beskow, J. (2025). Swedish Medical LLM Benchmark (SMLB): Development and Evaluation of a Framework for Assessing Large Language Models in the Swedish Medical Domain. Frontiers in Artificial Intelligence, 8, 1557920. DOI: 10.3389/frai.2025.1557920

Moëll, B., & Aronsson, F. S. (2025). Journaling with large language models: a novel UX paradigm for AI-driven personal health management. Frontiers in Artificial Intelligence, 8, 1567580. DOI: 10.3389/frai.2025.1567580

Moëll, B., & Aronsson, F. S. (2025). Harm reduction strategies for thoughtful use of large language models in the medical domain: perspectives for patients and clinicians. Journal of Medical Internet Research, 27, e75849. DOI: 10.2196/75849

Moëll, B., & Aronsson, F. S. (2025). Automatic Evaluation of the Pataka Test Using Machine Learning and Audio Signal Processing. Acta Logopaedica, 2.DOI: 10.58986/al.2025.41035

Jonell, P., Moëll, B., Håkansson, K., Henter, G. E., Kucherenko, T., Mikheeva, O., Hagman, G., Holleman, J., Kivipelto, M., Kjellström, H., & Beskow, J. (2021). Multimodal capture of patient behaviour for improved detection of early dementia: clinical feasibility and preliminary results. Frontiers in Computer Science, 3, 642633. DOI: 10.3389/fcomp.2021.642633

Moëll, B., Kollberg, L., Nasri, B., Lindefors, N., & Kaldo, V. (2015). Living SMART—a randomized controlled trial of a guided online course teaching adults with ADHD or sub-clinical ADHD to use smartphones to structure their everyday life. Internet Interventions, 2(1), 24-31.

Peer-Reviewed Conference Proceedings

Mehta, S., Deichler, A., O'Regan, J., Moëll, B., Beskow, J., Henter, G. E., & Alexanderson, S. (2024). Fake it to make it: Using synthetic data to remedy the data shortage in joint multimodal speech-and-gesture synthesis. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 1952-1964 .

Moëll, B., O'Regan, J., Mehta, S., Kirkland, A., Lameris, H., Gustafsson, J., & Beskow, J. (2022). Speech Data Augmentation for Improving Phoneme Transcriptions of Aphasic Speech using wav2vec 2.0 for the PSST Challenge. Proceedings of the 13th Language Resources and Evaluation Conference (LREC), RaPID Workshop, pp. 62-70.

Lameris, H., Mehta, S., Henter, G.E., Kirkland, A., Moëll, B., O’Regan, J., Gustafson, J. & Székely, É. (2022). Spontaneous Neural HMM TTS with Prosodic Feature Modification. Proceedings of Fonetik 2022.

Cumbal, R., Moëll, B., Lopes, J., & Engwall, O. (2021). “You don’t understand me!”: Comparing ASR results for L1 and L2 speakers of Swedish. Proceedings of Interspeech 2021, pp. 4463-4467. DOI: 10.21437/Interspeech.2021-2140

Nagy, R., Kucherenko, T., Moëll, B., Pereira, A., Kjellström, H., & Bernardet, U. (2021). A Framework for Integrating Gesture Generation Models into Interactive Conversational Agents. Proceedings of AAMAS 2021.

Hincks, S.W., DeBellis, M., Lee, E.Y., Brink, R.T., Moëll, B., & Jacob, R.J. (2017). Towards Bidirectional Brain-computer Interfaces that Use fNIRS and tDCS. Proceedings of PhyCS, pp. 57-64.

Preprints & Working Papers

Moëll, B. (2025). Artificial Humans. arXiv preprint arXiv:2503.16502.

Moëll, B., & Aronsson, F. S. (2025). Voice Cloning for Dysarthric Speech Synthesis: Addressing Data Scarcity in Speech-Language Pathology. arXiv preprint arXiv:2503.01266.

Moëll, B., Aronsson, F.S., Ostberg, P., & Beskow, J. (2025). The order in speech disorder: a scoping review of state of the art machine learning methods for clinical speech classification. arXiv preprint arXiv:2503.04802.

Moëll, B., & Boye, J. (2025). Language Complexity Measurement as a Noisy Zero-Shot Proxy for Evaluating LLM Performance. arXiv preprint arXiv:2502.11578.

Boye, J., & Moëll, B. (2025). Large Language Models and Mathematical Reasoning Failures. arXiv preprint arXiv:2502.11574.

Moëll, B., & Aronsson, F. S. (2025). Explainable AI for Cognitive Assessment: A Reasoning LLM Framework for Dementia Classification Using Cookie Theft Test Transcripts. Available at SSRN. DOI: 10.2139/ssrn.5200168 .

Moëll, B. (2025). A Survey On Public Perceptions And Understanding Of AI In Healthcare: Enthusiasts And Skeptics. Available at DiVA (id: diva2:1994128) .

Moëll, B., & Aronsson, F. S. (Submitted 2025). High-Accuracy Prediction of Mental Health Scores Using BERT Embeddings Trained Solely on LLM-Generated Synthetic Clinical Descriptions. In Review for Frontiers in Artificial Intelligence.

Moëll, B. (2024). Comparing the Efficacy of GPT-4 and Chat-GPT in Mental Health Care: A Blind Assessment of Large Language Models for Psychological Support. arXiv preprint arXiv:2405.09300 .

Moëll, B. (2024). Evaluating Large Language Models with Human Feedback: Establishing a Swedish Benchmark. arXiv preprint arXiv:2405.14006.

Research Software, Models & Datasets

Models (HuggingFace):

• Eir (Clinical LLM): huggingface.co/birgermoell/eir
• Nordic GPT Wiki: huggingface.co/birgermoell/nordic-gpt-wiki
• Swedish GPT: huggingface.co/birgermoell/swedish-gpt
• Wav2Vec2 Swedish Common Voice: huggingface.co/birgermoell/wav2vec2-swedish-common-voice
• Nordic RoBERTa: huggingface.co/flax-community/nordic-roberta-wiki

Code Repositories (GitHub):

• Swedish Medical Benchmark: github.com/BirgerMoell/swedish-medical-benchmark
• Pataka Test (Audio Processing): github.com/BirgerMoell/pataka-test
• Health Journal (AI UX): github.com/BirgerMoell/health-journal

Media

Google Scholar

https://scholar.google.com/citations?user=4lPZnEAAAAAJ&hl=en

Github

https://github.com/BirgerMoell

Huggingface

https://huggingface.co/birgermoell

Hemsida

https://birgermoell.com/

Informationssökning (avancerad nivå) 7,5 hp

Kursen behandlar olika metoder inom datorlingvistik för informationssökning, inklusive informationshämtning, både för en- och flerspråkiga material.

https://www.uu.se/utbildning/kurs?query=5LN712

Språkteknologi: forskning och utveckling

Kursen ger en översikt över språkteknologisk forskning och utveckling, som sedan appliceras i form av ett individuellt språkteknologiskt projekt.

https://www.uu.se/utbildning/kursplan?query=49335

Eir Space

Eir Space är en hälso-assistent med AI-stöd som hjälper dig förstå din hälsa och fatta bättre hälsobeslut med hjälp av din egen hälsodata.

http://eir.space/