Descripción del proyecto
Un modelo predictivo de la demencia
La demencia hace referencia a un grupo de trastornos neurológicos progresivos como la enfermedad de Alzheimer (EAz), que afecta a millones de personas adultas en Europa. La EAz generalmente está precedida por un deterioro cognitivo leve (DCL o MCI, por sus siglas en inglés) amnésico, que se caracteriza por una reducción de la capacidad de recordar. La capacidad para diagnosticar y caracterizar de manera precoz el DCL amnésico facilitaría el desarrollo de tratamientos tempranos, lo que retrasaría la aparición de la EAz. Los investigadores del proyecto financiado con fondos europeos ID-earlyMCI proponen utilizar la electroencefalografía (EEG) junto con métodos conductuales para medir la actividad encefálica en pacientes y desarrollar un modelo predictivo de la función cognitiva. Se utilizarán métodos avanzados de aprendizaje automático para analizar una gran base de datos de EEG, lo que contribuirá a mejorar los servicios de atención sanitaria para pacientes con DCL amnésico.
Objetivo
Dementia is an umbrella term for age-related brain disease, of which Alzheimer’s Disease (AD) is the most common. Around 5-7% of adults over 60 years suffer dementia worldwide, with approx. 8.7 m people in the EU. A frequent precursor of AD is amnestic mild cognitive impairment (aMCI), a clinical condition characterised by declines in memory skills. By predicting
aMCI progression, health-care services will have new opportunities to deliver early interventions that could delay AD onset. This will ultimately promote functional independence in vulnerable adults and meet the societal challenge Health, Demographic Change and Wellbeing of Horizon 2020.
Clinical outcomes of aMCI patients are influenced by the severity of cognitive (dys-) function. However, these deficits may occur at an advanced stage of neurodegeneration. This fellowship aims to identify a predictive model of cognitive function based on brain activity measured with electro-encephalography (EEG). Previous studies suggest that the capacity to learn a new task (practice effects) can help classify a person into healthy, aMCI or AD. Also, cross-sectional studies using EEG have found differences between normal controls, aMCI and AD patients during rest and cognitive tasks. The behavioural and EEG evidence combined shows the potential of using behavioural practice and EEG measures to predict cognitive function.
This potential will be investigated and exploited in this fellowship via advanced machine learning methods on a large EEG
data sample. This fellowship will take place in BrainWaveBank (BWB), an innovative company developing the largest database of EEG data in older adults along with cutting-edge analytics. This fellowship will allow the researcher to apply her experience on neural engineering and expand her knowledge and expertise to machine learning and clinical neuroscience in BWB. This will build the researcher’s independence and build prospects for a career in the medical technology sector.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesciencias biológicasneurobiologíaneurociencia cognitiva
- ciencias médicas y de la saludmedicina básicaneurologíademenciaalzheimer
- ciencias socialessociologíademografía
- ciencias médicas y de la saludciencias de la saludasistencia sanitaria
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automático
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
Régimen de financiación
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinador
BT39DT BELFAST
Reino Unido
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.