Automatic early detection of cognitive decline
Notice bibliographique
Résumé
Abstract Background While it is agreed that cognitive decline is underdiagnosed, there is still no single universally accepted and affordable screening method that satisfies all needs in the detection of cognitive impairment. The goal of this presentation is to demonstrate an automatic cognitive decline assessment with Neurosteer Aurora, utilizing a novel EEG analysis as a method for characterization of cognitive activity and detection of early cognitive impairment. Method Neurosteer has developed a miniature wearable neurological sensor combined with an automatic assessment tool for a wide range of brain monitoring and treatment needs. It is based on a single EEG channel and relies on advanced mathematical analysis for a decomposition of the EEG signal into multiple components. These components are then processed with machine learning algorithms to create high level biomarkers for real‐time brain activity interpretation. Additionally, Neurosteer has developed a fully automatic assessment and biomarkers for cognitive decline. It is based on a verbal and musical cognitive assessment during brain activity recording. Machine learning algorithms analyze the combined data to produce a simple‐to‐read report indicating the level of different aspects of cognitive decline. We applied this technology on three different healthy population (N=14, 40, 215) and cognitively impaired (N=24, 10, 9, 8) undergoing several automatically administered cognitive tasks. Result A few biomarkers were extracted using machine learning tools on the collected data. The biomarkers distinguished between different levels of cognitive load as well as resting state patterns. The new groups of cognitively impaired populations were examined with Neurosteer Aurora, completing short and automatic auditory assessments. The patterns of the predefined biomarkers were significantly different for each population, differentiating between clinical populations and negatively correlated with the severity of cognitive decline. Conclusion Using the novel brain activity interpretation and biomarkers enables an automatic and easy‐to‐administer cognitive decline assessment in the clinical population. Such assessment is a step forward towards a wide‐spread screening, allowing early and personalized intervention to slow down cognitive decline, improving health and quality of life outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».