This page in English

Handelshögskolan vid Örebro universitet

Ny AI-teknik kan ge snabb och säker demensdiagnos

Muhammad Hanif står framför en trappa.

”Vi planerar att fortsätta forskningen genom att utöka till större och mer diversifierade datamängder”, säger Muhammad Hanif, biträdande lektor i informatik vid Örebro universitet,

Forskare vid Örebro universitet har varit med och utvecklat två nya AI-modeller som kan analysera hjärnans elektriska aktivitet och med mycket hög träffsäkerhet skilja mellan friska personer och patienter med demenssjukdomar som Alzheimer.
– Tidig diagnos är avgörande för att kunna sätta in proaktiva åtgärder som bromsar sjukdomsutvecklingen och förbättrar patientens livskvalitet, säger Muhammad Hanif, forskare i informatik vid Örebro universitet.

I studien An explainable and efficient deep learning framework for EEG-based diagnosis of Alzheimer’s disease and frontotemporal dementia kombinerar forskarna två avancerade AI-metoder – temporala konvolutionella nätverk och LSTM-nätverk. Programmet analyserar så kallade EEG-signaler och kan nästan felfritt avgöra om en person är sjuk eller frisk.

Kan skilja friska från sjuka med 80 procents säkerhet

När tre grupper jämförs – Alzheimer, frontotemporal demens och friska – nådde metoden över 80 procents säkerhet. Forskarna använder också en förklarande AI-teknik som visar vilka delar av EEG-signalen som påverkar diagnosen. Detta gör att läkare lättare kan tolka hur systemet har kommit fram till sina slutsatser.

I den andra studien, Privacy–preserving dementia classification from EEG via hybrid–fusion EEGNetv4 and federated learning, utvecklar forskarna en liten och resurseffektiv AI-modell – under en megabyte i storlek – som samtidigt skyddar patienternas integritet. Med hjälp av så kallad federerad inlärning kan flera vårdgivare samarbeta om att träna AI-systemet, utan att de behöver dela patientdata. Trots integritetsskyddet når modellen över 97 procents noggrannhet.

– Traditionella maskininlärningsmodeller misslyckas ofta med att vara transparanta. De utmanas också av integritetsproblem. Vår studie försöker ta hänsyn till dessa frågor, säger Muhammad Hanif, biträdande lektor i informatik vid Örebro universitet.

AI upptäcker mönster i hjärnans elektriska signaler

Det forskarna lyckats med är att kombinera olika sätt att förstå hjärnans elektriska signaler. Genom att dela upp EEG-signalerna i olika frekvensband – till exempel alfa-, beta- och gamma-vågor – kan AI:n upptäcka mönster som hänger ihop med demenssjukdomar.

Algoritmerna kan se långsiktiga förändringar i signalerna och känna igen små skillnader mellan olika diagnoser. Dessutom gör den förklarande tekniken att AI:n inte längre är en ”svart låda”, utan tydligt visar vad den baserar sina beslut på.

I studierna visar forskarna hur AI kan bli ett snabbt, billigt och integritetssäkert verktyg för tidig diagnostik av demens. EEG-mätningar är redan i dag en enkel och billig metod som kan användas på vårdcentraler. När de kombineras med AI-modeller som är möjliga att köra även på bärbara enheter, öppnas möjligheten för bredare användning i vården – från specialistkliniker till framtida hemtester.

AI-testet kan i framtiden användas i hemmet

– Tidig diagnos är avgörande för att kunna sätta in proaktiva åtgärder som bromsar sjukdomsutvecklingen och förbättrar patientens livskvalitet. Om sådana lösningar införs fullt ut kan det underlätta för alla berörda – patienter, omsorgspersonal, anhöriga och vårdprofessioner, säger Muhammad Hanif.

Studierna har genomförts i samarbete mellan forskare vid Örebro universitet och forskare från flera internationella lärosäten, bland annat i Storbritannien, Australien, Pakistan och Saudiarabien.

– Vi planerar att fortsätta forskningen genom att utöka till större och mer diversifierade datamängder, undersöka fler EEG-egenskaper och inkludera andra demenssjukdomar som vaskulär demens och Lewy body-demens. Samtidigt kommer vi att använda förklarbar AI och strikt upprätthålla integritet och säkerhet för patientdata, säger Muhammad Hanif.

Text: Jesper Eriksson
Foto: Jerry Gray