Menneske-computer-grænseflader kan give ny indsigt i Alzheimers

En af de største problemer med Alzheimers sygdom er, at den sjældent diagnosticeres i et tidligt stadium, hvilket er, når den kan kontrolleres bedre. Nu er et hold af forskere ved Kaunas Teknologiske Universitet (KTU) i gang med at undersøge, hvordan menneske-computer-grænseflader kan tilpasses for mennesker med hukommelsesbesvær, så de kan genkende et synligt objekt foran sig.

Identificering af visuelle stimuli

Ifølge Rytis Maskeliūnas, en forsker ved afdelingen for multimedieingeniørvidenskab ved KTU, er klassificeringen af information, der er synlig på ansigtet, en daglig menneskelig funktion.

“Under kommunikation ‘fortæller’ ansigtet os om konteksten af samtalen, især fra et emotionelt synspunkt, men kan vi identificere visuelle stimuli på basis af hjernesignaler?” siger Maskeliūnas.

Studiet havde til formål at analysere en persons evne til at behandle kontekstinformation fra ansigtet og opdage, hvordan en person reagerer på det.

Maskeliūnas siger, at der er flere studier, der viser, at hjernesygdomme kan analyseres ved at undersøge ansigtsmuskler og øjenbevægelser. Dette skyldes, at degenererende hjernesygdomme påvirker både hukommelse og kognitive funktioner samt det kranielle nervesystem, der er forbundet med øjenbevægelser.

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

Dovilė Komolovaitė er en afgået studerende fra KTU’s fakultet for matematik og naturvidenskab. Hun var medforfatter til studiet.

“Studiet bruger data fra en elektroencefalograf, der måler de elektriske impulser i hjernen,” siger Komolovaitė.

Eksperimentet, der blev udført i forbindelse med studiet, blev gennemført på raske mennesker og mennesker 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 personen at fokusere, når de oplever symptomer.

Eksperimentet

Studiet omfattede en gruppe kvinder over 60 år.

“Høj alder er en af de vigtigste risikofaktorer for demens, og da der blev observeret kønsforskelle i hjernebølger, er studiet mere præcist, når kun én kønsgruppe vælges,” fortsætter Komolovaitė.

Hver person blev vist billeder af menneskeansigter under en times tid. Billederne blev valgt efter forskellige kriterier. For eksempel blev neutrale og frygtelige ansigter vist, når man analyserede indflydelsen af emotioner. Når man analyserede faktoren om bekendtskab, blev kendte og tilfældigt valgte 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 vendt på hovedet eller korrekt.

“Selv på dette stadium begår en Alzheimers-patient fejl, så det er vigtigt at afgøre, om forringelsen af objektet skyldes hukommelse eller synsprocesser,” siger Komolovaitė.

Studiet omfattede data fra standard-elektroencefalografisk udstyr, men data, der blev indsamlet fra invasive mikroelektroder, ville være bedre til at skabe et praktisk værktøj. Det ville give eksperterne mulighed for bedre at måle aktivitet i neuroner, hvilket ville øge kvaliteten af AI-modellen.

“Selvfølgelig skal der, ud over de tekniske krav, også være et fællesskabsmiljø, der er fokuseret på at gøre livet lettere for mennesker med Alzheimers sygdom. Men i min personlige mening, efter fem år, tror jeg, at vi stadig vil se teknologier, der er fokuseret på at forbedre fysisk funktion, og fokus på mennesker, der er berørt af hjernesygdomme i dette felt, vil kun komme senere,” siger Maskeliūnas.

“Hvis vi vil bruge denne test som et medicinsk værktøj, er en certificeringsproces også nødvendig,” fortsætter Komolovaitė.