人机接口可能为阿尔茨海默病提供新的见解

阿尔茨海默病的一个主要问题是，它很少在早期被诊断出来，这时候它可以被更好地控制。现在，考纳斯科技大学（KTU）的研究团队正在探索如何将人机接口适应于记忆受损的人，以便他们可以识别面前的可见物体。

识别视觉刺激

根据KTU多媒体工程系的研究员Rytis Maskeliūnas的说法，面部信息的分类是一种日常的人类功能。

“在交流中，面部’告诉’我们对话的背景，尤其是从情感的角度来看，但我们能否根据脑信号识别视觉刺激？” Maskeliūnas说。

该研究旨在分析个体处理面部信息的能力，并检测他们如何对其做出反应。

Maskeliūnas说，有许多研究表明，脑部疾病可以通过检查面部肌肉和眼球运动来分析。这是因为退行性脑疾病影响了记忆和认知功能，以及与眼球运动相关的颅神经系统。

该研究为我们提供了更好的见解，了解阿尔茨海默病患者如何在大脑中处理视觉信息，就像没有阿尔茨海默病的人一样。

Dovilė Komolovaitė是KTU数学和自然科学学院的毕业生。他是该研究的共同作者。

“该研究使用了脑电图的数据，脑电图测量大脑中的电脉冲，” Komolovaitė说。

该实验是在健康人和阿尔茨海默病患者中进行的。

“阿尔茨海默病患者的大脑信号通常比健康人更嘈杂，” Komolovaitė说。

这使得患者更难集中注意力，当他们经历症状时。

实验

该研究涉及一组60岁以上的女性。

“年龄是痴呆症的主要风险因素之一，因为在脑波中观察到了性别的影响，所以该研究仅选择一个性别组更准确，” Komolovaitė继续说。

每个人在一小时内被展示了不同人脸的照片。这些照片根据不同的标准进行了选择。例如，在分析情绪影响时，展示了中性和恐惧的面部表情。当分析熟悉度因素时，展示了熟人和随机选择的人。

为了了解一个人是否正确理解面部表情，参与者在每个刺激后按下一个按钮，以指示面部是否被倒置或正确。

“即使在这一阶段，阿尔茨海默病患者也会犯错误，因此，确定物体受损是否由于记忆或视觉过程非常重要，” Komolovaitė说。

该研究涉及了标准脑电图设备的数据，但使用侵入性微电极收集的数据将更适合创建一个实用的工具。这将使专家能够更好地测量神经元的活动，这将提高AI模型的质量。

“当然，除了技术要求外，还需要一个社区环境，专注于让阿尔茨海默病患者的生活更容易。然而，在我的个人意见中，五年后，我认为我们仍然会看到专注于改善身体功能的技术，而对脑部疾病患者的关注将在以后才会出现，” Maskeliūnas说。

“如果我们想把这个测试作为医疗工具使用，认证过程也是必要的，” Komolovaitė继续说。