Opracowanie systemu sztucznej inteligencji do wykrywania upośledzenia funkcji poznawczych

Otępienie w chorobie Alzheimera (AD) jest wyniszczającą i powszechną chorobą neurodegeneracyjną u osób starszych na całym świecie. Upośledzenie funkcji poznawczych, cecha charakterystyczna AD, jest oceniane za pomocą testów werbalnych, które wymagają wysokiej specjalizacji i chociaż są akceptowane jako narzędzia przesiewowe w kierunku AD, lekarze ogólni rzadko z nich korzystają. AD można zdiagnozować za pomocą kosztownych, inwazyjnych badań neuroobrazowych i badań krwi, ale są one zwykle przeprowadzane, gdy funkcje poznawcze są już poważnie upośledzone. Zatem znalezienie nowego, nieinwazyjnego narzędzia do wykrywania i różnicowania łagodnych zaburzeń poznawczych (MCI) i AD leży w głównym interesie zdrowia publicznego. Rysunki autoportretów (narzędzie projekcyjne, w którym osoby są proszone o narysowanie siebie) są łatwe w zarządzaniu i wykazano, że rozróżniają osoby zdrowe i osoby z zaburzeniami poznawczymi, w tym z chorobą Alzheimera. Convolutional Neural Network (CNN) (rodzaj głębokiej sieci neuronowej stosowanej do analizy obrazów wizualnych) rozwinęła się w ocenie warunków zdrowotnych za pomocą produktów artystycznych. Dlatego proponowane badanie sugeruje wykorzystanie metod opartych na CNN do opracowania i przetestowania aplikacji dostosowanej do rozróżniania rysunków osób z MCI, AD i zdrowych kontroli (HC) przy użyciu 4000 rysunków autoportretów. Ten