Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Objective home-based EEG prediction of aMCI: Identification of a predictive electrophysiological model of cognitive function in amnesic mild cognitive impairment.

Opis projektu

Model predykcyjny demencji

Demencja to grupa postępujących schorzeń mózgu powiązanych z wiekiem, takich jak choroba Alzheimera, na którą chorują miliony osób dorosłych w Europie. Chorobę Alzheimera poprzedzają zwykle amnezyjne łagodne zaburzenia poznawcze charakteryzujące się problemami z pamięcią i zapamiętywaniem. Możliwość szybkiego zdiagnozowania i scharakteryzowania amnezyjnych łagodnych zaburzeń poznawczych ułatwiłoby wczesne rozpoczęcie leczenia, a tym samym opóźniłoby rozwój choroby. Naukowcy z finansowanego przez UE projektu ID-earlyMCI proponują zastosować elektroencefalografię (EEG) oprócz ćwiczeń behawioralnych, aby zmierzyć aktywność mózgu u pacjentów i opracować model predykcyjny funkcji poznawczych. Badacze wykorzystają zaawansowane metody uczenia maszynowego do przeanalizowania dużej bazy danych EEG, aby poprawić opiekę zdrowotną nad pacjentami z amnezyjnymi łagodnymi zaburzeniami poznawczymi.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2019

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

BRAINWAVEBANK LTD.
Wkład UE netto
€ 184 590,72
Adres
THE INNOVATION CENTRE, UNIT 4, QUEE
BT39DT BELFAST
Zjednoczone Królestwo
MŚP
Tak
Region
Northern Ireland Northern Ireland Belfast
Rodzaj działalności
Private for-profit entities (excluding Higher or Secondary Education Establishments)
Linki
Koszt całkowity
€ 184 590,72