近年來，阿爾茨海默病（AD）在全球范圍內(nèi)呈上升趨勢，但在能有效控制的早期階段很少被診斷出來。大腦退行性疾病不僅會影響記憶和認(rèn)知功能，還會影響面部（尤其是眼部）運(yùn)動相關(guān)的顱神經(jīng)系統(tǒng)。一項(xiàng)研究通過人工智能來識別 AD 病人面部特征或?yàn)樵缙谠\斷開辟了另一個思路。

考納斯理工大學(xué)5月31日消息

考納斯理工大學(xué)（Kaunas University of Technology，KTU）的研究人員利用人工智能（Artificial Intelligence，AI）進(jìn)行了一項(xiàng)研究，以確定是否可以調(diào)整人機(jī)界面，使有記憶障礙的人能夠識別他們面前的可見對象。研究結(jié)果發(fā)表在《Life》雜志上。

研究于2022年3月4日發(fā)表在《Life》（最新影響因子：3．817）雜志上

考納斯理工大學(xué)多媒體工程系研究員 Rytis Maskeliūnas 認(rèn)為，對在臉上可見的信息進(jìn)行分類是人類的日常功能：“在交流時，面部表情會’告訴’我們對話的語境，尤其是從情感的角度來看，但我們能根據(jù)大腦信號識別視覺刺激嗎？”

人臉的視覺處理是復(fù)雜的。通過分析人臉，我們可以感知一個人的身份或情緒狀態(tài)等信息。這項(xiàng)研究的目的是分析一個人處理來自面部的背景信息的能力，并檢測一個人如何對其做出反應(yīng)。

Rytis Maskeliūnas 教授

面部可以預(yù)示疾病的最初癥狀

根據(jù) Maskeliūnas 的說法，許多研究表明，大腦疾病可以通過檢查面部肌肉和眼部運(yùn)動來分析，因?yàn)榇竽X退行性疾病不僅會影響記憶和認(rèn)知功能，還會影響與上述面部（尤其是眼部）運(yùn)動相關(guān)的顱神經(jīng)系統(tǒng)。

該研究的合著者、KTU 數(shù)學(xué)與自然科學(xué)學(xué)院的畢業(yè)生 Dovil? Komolovait? 分享說，該研究闡明了阿爾茨海默病患者在視覺上處理大腦中可見面孔的方式是否與沒有這種疾病的人相同。

Dovil? Komolovait?

“這項(xiàng)研究使用了來自腦電圖儀的數(shù)據(jù)，它測量了大腦中的電脈沖，” Komolovait? 說，她目前正在信息學(xué)學(xué)院攻讀人工智能碩士學(xué)位。

在這項(xiàng)研究中，實(shí)驗(yàn)在兩組個人身上進(jìn)行：健康的和受阿爾茨海默病影響的。

“阿爾茨海默病患者的大腦信號通常比健康人更嘈雜，” Komolovait? 說，并強(qiáng)調(diào)這與一個人在經(jīng)歷阿爾茨海默病癥狀時更難集中注意力的原因有關(guān)。

研究過程中展示了人們的面部照片

該研究選擇了一組由 60 歲以上的女性組成的老年人：“年齡是失智癥的主要風(fēng)險因素之一，由于性別的影響在腦電波中被注意到，所以當(dāng)只選擇一個性別組時，該研究更準(zhǔn)確�！�

在研究過程中，每個參與者都進(jìn)行了長達(dá)一個小時的實(shí)驗(yàn)，在此期間會展示人臉照片。根據(jù)研究人員的說法，這些照片是根據(jù)幾個標(biāo)準(zhǔn)選擇的：在分析情緒的影響時，展示中性和恐懼的面孔，而在分析熟悉因素時，向研究參與者指出已知和隨機(jī)選擇的人。

為了了解一個人是否正確地看到和理解一張臉，研究的參與者被要求在每次刺激后按下一個按鈕，以表明顯示的臉是倒過來的的還是正確的。

研究人員說：“即使在這個階段，阿爾茨海默病患者也會犯錯誤，所以重要的是要確定損傷是由于記憶還是視覺過程引起的。”

靈感來自于現(xiàn)實(shí)生活中與阿爾茨海默病患者的互動

Maskeliūnas 揭示了他對阿爾茨海默病的研究始于他與亨廷頓舞蹈病協(xié)會（Huntington＇s Disease Association，HDA）的合作，這讓他看到了這些神經(jīng)退行性疾病的真實(shí)面貌。

研究人員還與阿爾茨海默病患者有過直接接觸：“我發(fā)現(xiàn)，當(dāng)大腦已經(jīng)受到不可逆轉(zhuǎn)的損傷時，確診通常已經(jīng)太晚了。盡管這種疾病沒有有效的治愈方法，但這個過程可以暫停下來，并通過獲得一些健康的壽命來維持。”

今天，我們可以看到人機(jī)交互是如何適應(yīng)的，以減輕有身體殘疾的人的生活。用“思想”來控制機(jī)械手，或者讓癱瘓的人通過想象字母來寫字，這都不是什么新概念。盡管如此，試圖了解人類大腦可能是迄今為止最具挑戰(zhàn)性的任務(wù)之一。

在這項(xiàng)研究中，研究人員使用的數(shù)據(jù)來自標(biāo)準(zhǔn)的腦電圖設(shè)備，然而，Maskeliūnas 強(qiáng)調(diào)，為了創(chuàng)造一個實(shí)用的工具，最好使用從侵入式微電極收集的數(shù)據(jù)，它可以更準(zhǔn)確地測量神經(jīng)元的活動。這將大大提高人工智能模型的質(zhì)量。

“當(dāng)然，除了技術(shù)要求之外，還應(yīng)該有一個社區(qū)環(huán)境，專注于讓阿爾茨海默病患者的生活更輕松。盡管如此，在我個人看來，五年后，我認(rèn)為我們?nèi)匀粫?strong>看到專注于改善身體功能的技術(shù)，而這一領(lǐng)域?qū)κ苣X部疾病影響的人的關(guān)注只會晚一些，” Maskeliūnas 說。

據(jù)這位碩士生 Komolovait? 介紹，在醫(yī)學(xué)領(lǐng)域同事的幫助下進(jìn)行臨床檢查是必要的，因此這一階段的過程需要很長時間：“如果我們想把這項(xiàng)測試作為醫(yī)療工具，還需要一個認(rèn)證過程�！�

創(chuàng)辦于1922年的立陶宛考納斯理工大學(xué)

參考文獻(xiàn)

Sorce：Kaunas University of Technology

KTU researchers investigate the links between facial recognition and Alzheimer’s disease

Reference：

Dovil? Komolovait?， Rytis Maskeliūnas， Robertas Dama?evi?ius． Deep Convolutional Neural Network－Based Visual Stimuli Classification Using Electroencephalography Signals of Healthy and Alzheimer’s Disease Subjects． Life， 2022； 12 （3）： 374 DOI： 10．3390／life12030374

免責(zé)聲明

本公眾號上的醫(yī)療信息僅作為信息資源提供與分享，不用于或依賴于任何診斷或治療目的。此信息不應(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前，請咨詢你的醫(yī)生。

       原文標(biāo)題 : 面部識別與阿爾茨海默病之間的聯(lián)系