Menneske-computer-grænseflader kunne give ny indsigt i Alzheimers

Et af de store problemer med Alzheimers sygdom er, at den sjældent diagnosticeres på et tidligt tidspunkt, hvilket er, når det bedre kan kontrolleres. Nu er et team af forskere ved Kaunas University of Technology (KTU) ved at udforske, hvordan menneske-computer-grænseflader kan tilpasses til mennesker med hukommelsessvækkelser, så de kan genkende et synligt objekt foran dem. 

Identifikation af visuelle stimuli

Ifølge Rytis Maskeliūnas, forsker ved Institut for Multimedieteknik på KTU, er klassificeringen af ​​information, der er synlig i ansigtet, en daglig menneskelig funktion. 

"Mens vi kommunikerer, "fortæller" ansigtet os konteksten af ​​samtalen, især fra et følelsesmæssigt synspunkt, men kan vi identificere visuelle stimuli baseret på hjernens signaler? Maskeliūnas siger. 

studere rettet mod at analysere en persons evne til at behandle kontekstuel information fra ansigtet og opdage, hvordan en person reagerer på den. 

Maskeliūnas siger, at der er forskellige undersøgelser, der viser, at hjernesygdomme kan analyseres ved at undersøge ansigtsmuskler og øjenbevægelser. Dette skyldes, at degenerative hjernesygdomme påvirker både hukommelsen og kognitive funktioner samt kranienervesystemet i forbindelse med øjenbevægelser. 

Forskningen giver bedre indsigt i, hvordan en patient med Alzheimers visuelt kan behandle synlige ansigter i hjernen ligesom personer uden Alzheimers. 

Dovilė Komolovaitė er uddannet fra KTU Det Matematiske og Naturvidenskabelige Fakultet. Han var medforfatter til undersøgelsen. 

"Undersøgelsen bruger data fra en elektroencefalograf, som måler de elektriske impulser i hjernen," siger Komolovaitė.

Eksperimentet udført til undersøgelsen blev udført på raske personer og dem med Alzheimers. 

"Hjernesignalerne fra en person med Alzheimers er typisk betydeligt mere støjende end hos en rask person," siger Komolovaitė. 

Dette gør det sværere for den enkelte at fokusere, når de oplever symptomer. 

Eksperimentet

Undersøgelsen involverede en gruppe kvinder over 60 år.

"Ældre alder er en af ​​de vigtigste risikofaktorer for demens, og da virkningerne af køn blev bemærket i hjernebølger, er undersøgelsen mere præcis, når kun én kønsgruppe er valgt," fortsætter Komolovaitė.

Hver person blev vist billeder af menneskelige ansigter i løbet af en time lang periode. Billederne blev udvalgt efter forskellige kriterier. For eksempel blev der vist neutrale og frygtsomme ansigter, når man analyserede følelsernes indflydelse. Ved analyse af familiaritetsfaktoren blev kendte og tilfældigt udvalgte personer vist. 

For at forstå, om en person forstår et ansigt korrekt, trykkede deltagerne på en knap efter hver stimulus for at indikere, om ansigtet var omvendt eller korrekt. 

"Selv på dette stadium begår en Alzheimers-patient fejl, så det er vigtigt at afgøre, om genstandens svækkelse skyldes hukommelses- eller synsprocesser," siger Komolovaitė. 

Undersøgelsen involverede data fra standard elektroencefalografiudstyr, men data indsamlet fra invasive mikroelektroder ville være bedre til at skabe et praktisk værktøj. Det ville sætte eksperterne i stand til bedre at måle neuronernes aktivitet, hvilket ville øge kvaliteten af ​​AI-modellen. 

”Selvfølgelig bør der ud over de tekniske krav være et lokalmiljø med fokus på at gøre livet lettere for mennesker med Alzheimers sygdom. Alligevel tror jeg, efter min personlige mening, efter fem år, at vi stadig vil se teknologier fokuseret på at forbedre den fysiske funktion, og fokus på mennesker, der er ramt af hjernesygdomme på dette område, vil først komme senere,” siger Maskeliūnas.

"Hvis vi vil bruge denne test som et medicinsk værktøj, er en certificeringsproces også nødvendig," fortsatte Komolovaitė.