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)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczenauki biologiczneneurobiologianeuronauka poznawcza
- medycyna i nauki o zdrowiumedycyna klinicznaneurologiademencjachoroba Alzheimera
- nauki społecznesocjologiademografia
- medycyna i nauki o zdrowiunauki o zdrowiuusługi ochrony zdrowia
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynowe
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
BT39DT BELFAST
Zjednoczone Królestwo
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.