Uutiset

Aivo- ja kehomittaukset viedään laboratoriosta puistoon – tavoitteena on tunnistaa dementiariski aiempaa varhemmin

Koneoppiminen ja tekoäly mahdollistavat monimutkaisen aivo- ja kehodatan yhdistämisen sekä sen tarkemman ja nopeamman analysoimisen.
Shrikanth Kulashekhar (kuvassa oikealla) valmistelee tulevaa tutkimusta puistossa. Kuvassa vasemmalla Diana Kulashekhar. Kuva: Marika Itkonen.
Shrikanth Kulashekhar (kuvassa oikealla) valmistelee tulevaa tutkimusta puistossa. Kuvassa vasemmalla Diana Kulashekhar EEG-myssy päässä. Kuva: Marika Itkonen.

Aalto-yliopiston tutkijat Shrikanth Kulashekhar ja Hanna Renvall ovat saaneet Vaikuttavuussäätiöltä rahoituksen kehittääkseen diagnostiikkaa dementiariskin varhaiseen tunnistamiseen. Tarve on suuri, koska maailmanlaajuisesti muistisairaita on vähintään noin 50 miljoonaa, ja määrän odotetaan tuplaantuvan seuraavan 20 vuoden aikana.

Dementiariskiä seulotaan nykyisin pääasiassa neuropsykologisilla testeillä ja aivoselkäydinnestenäytteestä saatavilla tiedoilla. Kumpikaan menetelmistä ei ole kovin tehokas tunnistamaan uhkaavaa dementiaa varhaisessa vaiheessa. Toiminnalliseen aivokuvantamiseen kuten aivosähkökäyrään (EEG) ja aivomagneettikäyrään  (MEG) perustuvat menetelmät ovat vielä tutkimusvaiheessa.

Nyt alkavan projektin taustalla on Euroopan unionin AI Mind -hanke, jonka tavoitteena on löytää ajoissa ne potilaat, joita uhkaa etenevä muistisairaus, jotta dementian puhkeamista voitaisiin viivyttää tai jopa ehkäistä. Kulashekhar on tehnyt EU-hankkeessa ohjelmistokehitystä ja data-analyysia. Mutta siinä missä AI Mind -hankkeessa tutkimus toteutetaan laboratoriossa, nyt alkavan tutkimuksen mittaukset tehdään mahdollisuuksien mukaan luonnollisissa ympäristöissä kuten puistossa. Menetelmänä on mobiili aivokehokuvantaminen, jossa tutkitaan, mitä aivoissa tapahtuu kun ihminen liikkuu.

“Haluamme nyt yhdistää aivosähkökäyrään (EEG) kehosta saatavia signaaleja, kuten lihaksista saatavaa liikkeidennopeuteen liittyvää dataa. Olemme kiinnostuneita luonnollisemmasta tutkimusasetelmasta, jossa tapahtuu monimutkaisia asioita.”

Häiriöitä ja kohinaa puistossa

Laboratoriossa tehtävässä tutkimuksessa liikettä on hyvin vähän; se voi olla esimerkiksi napin painamista tai silmien liikettä. Siellä on myös mahdollista kontrolloida tarkkaan se, mitä potilas kokee tai näkee tutkimuksen aikana.

“Nyt on hyvä aika siirtyä laboratoriosta luonnollisessa ympäristössä tapahtuvaan tutkimukseen. Puistossa datan sekaan tulee myös kaikenlaisia luonnollisia häiriöitä ja kohinaa. On olemassa olevaa tutkimustietoa siitä, että dementian edetessä tapahtuu myös muutoksia liikkumisessa, joten meitä kiinnostaa, minkälaista dataa saamme esille. Koneoppiminen ja tekoäly auttavat monimutkaisen datan käsittelyssä ja löytävät nuo muutokset”, Kulashekhar sanoo.

Hanke toteutetaan yhteistyössä Bittium Biosignals -yrityksen kanssa. Siihen on syynsä: normaalissa EEG-myssyssä on 64-128 mitta-anturia, ja potilaan valmistelu tutkimukseen on kallista ja vie paljon aikaa. Bittium on kehittänyt 16-anturisen myssyn, jota voi kuljettaa mitattavan mukana.

“Tavoitteena on toteuttaa tutkimus ensin Aallossa 64 anturin avulla, ja sitten toistaa se Bittiumin paljon yksinkertaisemman ja helpomman tekniikan avulla”, Kulashekhar sanoo.

Monilla ihmisillä esiintyy vanhetessa lievää tiedonkäsittelyn heikentymistä (MCI), joista osalla heikentyminen etenee dementiatasoiseksi, esimerkiksi Alzheimerin taudiksi. Jo olemassa olevien tutkimustenkin valossa Kulashekhar suosittelee, että ihmiset jatkaisivat iän karttuessa monimutkaisten asioiden tekemistä.

“Aivot säilyvät valppaina, kun esimerkiksi opiskelemme kieliä tai teemme tasapainoa vaativia tehtäviä. Jos taas aivoja ei käytä, ne alkavat helposti surkastua. Jos riittävän ajoissa tiedetään, kenellä on lisääntynyt riski sairastua dementiaan, sen etenemistä voidaan hidastaa  puuttumalla elämäntapatekijöihin, kuten verenpaineeseen, kolesteroliin ja passiiviseen elämäntapaan.”

Yhteystiedot:

Shrikanth Kulashekhar
Tutkija
Aalto-yliopisto
shrikanth.kulashekhar@aalto.fi

Hanna Renvall
Apulaisprofessori
Aalto-yliopisto ja HUS
hanna.renvall@aalto.fi
p. 050 501 0326

Aivoillakin on sormenjälki – ja se voi auttaa dementiariskin paljastamisessa

Tekoäly oppi tunnistamaan yksilön aivokäyristä. Seuraavaksi tutkijat valjastavat sen huomaamaan muistisairauden merkit ja auttamaan aivojen magneettistimulaatiohoidoissa.

Lue lisää AI Mind -hankkeesta
Kuvituskuvassa on vaaleanpunaisella pohjalla mustavalkoiset ihmiskasvot ja niiden yläpuolella sinisävyinen piirroskuva aivoista. Kasvojen ympärillä on yksittäisiä sanoja kuten "jungle" ja "tomato" sekä aivosähkökäyrää symboloiva aaltoviiva.
  • Päivitetty:
  • Julkaistu:
Jaa
URL kopioitu

Lue lisää uutisia

Henkilö puhuu älykelloon, jossa on hopeinen verkkoranneke ja näytöllä aaltomuoto.
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Äänesi paljastaa enemmän kuin uskot – tutkijat kehittävät keinoja suojata puheeseen kätkeytyvää tietoa

Puheteknologiat yleistyvät vauhdilla, ja samalla kasvaa riski siitä, että ääni paljastaa arkaluonteista tietoa terveydestä, taustoista tai mielipiteistä. Aalto-yliopiston tutkijat kehittävät keinoja mitata ja rajoittaa sitä, mitä kaikkea puheesta voidaan päätellä.
Kolme ihmistä istuu bussipysäkillä, takanaan karttoja ja kylttejä. Yhdellä on reppu maassa.
Tutkimus ja taide Julkaistu:

Aallon vuosi 2025: Kvanttihyppyjä, luovia loikkia ja ratkaisuja parempaan elämään

Kasvua, teknologiaa ja teollisuuden uudistumista, ihmislähtöisiä ratkaisuja, terveys ja arjen hyvinvointi sekä hauskaa arkea ja toimivia yhteisöjä.
Jaettu kuva: vasemmalla valkoinen rekka tiellä kasvien kanssa; oikealla digitaalisia linjoja ja osittainen kasvot. Teksti: unite! #UniteSeedFund
Palkinnot ja tunnustukset, Yhteistyö Julkaistu:

Merkittävä EU-rahoitus kahdelle Unite! Seed Fund -hankkeelle, joissa Aalto on mukana

Kaksi arvostettua EU-rahoitusta on myönnetty hankkeille, joita on alun perin tuettu Unite! Seed Fund -rahoituksella. Aalto-yliopisto on mukana molemmissa hankkeissa.
arotor adjustable stiffness test setup
Yhteistyö, Tutkimus ja taide Julkaistu:

Miljoonarahoitus uuden sukupolven koneteknologian kehittämiseen – tavoitteena tuottavuusloikka useilla vientialoilla

BEST-hankkeessa kehitetään uudenlaisia tiiviste-, laakerointi- ja vaimennusteknologioita useiden teollisuudenalojen käyttöön.