面向老龄化社会的AI神经技术——基于信息几何机器学习的任务负荷与痴呆脑电数字生物标志物开发
神经元与认知
2018-12-03 v1 人工智能
机器学习
摘要
痴呆尤其是阿尔茨海默病(AD)是老年人认知衰退最常见的原因。上述心理健康问题在老龄化社会中的蔓延正在全球许多国家造成显著的医疗与经济负担。根据世界卫生组织(WHO)近期报告,目前全球约有4700万人罹患痴呆谱系神经认知障碍,预计这一数字到2050年将增至三倍,这呼吁应用基于AI的技术以支持早期筛查用于预防性干预,以及后续的心理健康监测与维护,并采用所谓数字药物或超越药丸的治疗手段。本文讨论了我们利用脑电(EEG)技术开发用于痴呆进展检测与监测的数字生物标志物的尝试与初步结果。我们提出了一种基于信息几何的分类方法,用于自动判别低 versus 高任务负荷听觉或触觉刺激识别的EEG衍生事件相关响应(ERPs),其振幅与潜伏期变异性类似于痴呆中的表现。所讨论的方法是向开发AI、尤其是机器学习(ML)方法以后续应用于轻度认知障碍(MCI)与AD诊断迈进的一步。
引用
@article{arxiv.1811.12642,
title = {AI Neurotechnology for Aging Societies -- Task-load and Dementia EEG Digital Biomarker Development Using Information Geometry Machine Learning Methods},
author = {Tomasz M. Rutkowski and Qibin Zhao and Masao S. Abe and Mihoko Otake},
journal= {arXiv preprint arXiv:1811.12642},
year = {2018}
}
备注
5 pages, 2 figures, NeurIPS 2018 AI for Social Good Workshop at the Neural Information Processing Systems (NeurIPS = formerly NIPS) 2018. Montreal, Canada