Presentation
EACare

Robot kan upp­täcka demens tidigt

Publicerad 18 juni 2020
Foto: Johan Marklund
Miia Kivipelto, professor i klinisk geriatrik vid KI, Joakim Gustafson, professor i talteknologi vid KTH, Hedvig Kjellström, professor i datavetenskap vid KTH och Jonas Beskow, professor i talkommunikation vid KTH. Foto: Johan Marklund
Miia Kivipelto, professor i klinisk geriatrik vid KI, Joakim Gustafson, professor i talteknologi vid KTH, Hedvig Kjellström, professor i datavetenskap vid KTH och Jonas Beskow, professor i talkommunikation vid KTH. Foto: Johan Marklund

Tidig diagnos är avgörande för att förebygga, bromsa, och på sikt bota demenssjukdomar. På KTH och KI utvecklar forskare en robot som kan upptäcka små, subtila kognitiva förändringar och bli ett effektivt redskap i demensutredningar.

I traditionella demensutredningar medverkar en rad olika professioner, som läkare, psykologer, sjuksköterskor och logopeder. Nu kan ytterligare en kompetens adderas – en talande robot, som interagerar med patienten och har förmågan att registrera väldigt små, nästan omärkliga förändringar i beteende och kognition. I det SSF-finansierade projektet EACare samverkar forskare från KTH och Karolinska Institutet för att utveckla ett robotbaserat system för tidig diagnos av Alzheimer och andra demenssjukdomar.
– Demenssjukdomar är en epidemi som kostar mer än cancer, stroke och hjärt-kärlsjukdomar tillsammans, och de orsakar ett mycket stort lidande. Nyckeln för att bromsa sjukdomsutveckling är tidig diagnos. Samtidigt vet vi att sjukliga förändringar i hjärnan ofta börjar tio eller tjugo år innan sjukvården upptäcker dem, berättar Miia Kivipelto, professor i klinisk geriatrik vid KI och FoU-chef på Tema åldrande på Karolinska universitetssjukhuset.

Holistiskt perspektiv
Forskningen fokuserar både på att ta fram en fysisk, interaktiv robot och att utveckla ett detaljerat mjukvarusystem för minnestester. Till skillnad mot annan, liknande AI-forskning för demenssjukdom tar EACare ett holistiskt grepp, där man skapar ett system för analys av ett väldigt brett spektrum av symptom och signaler, som tar hänsyn till hela det komplexa beteendemönstret hos patienten. Roboten fångar upp subtila uttryck, som exempelvis pauser eller repetitioner i det talade språket, och icke-verbala signaler som mimik, hudtemperatur, hjärtrytm och pupillutvidgning. Allt detta kan ge värdefull information.
– Roboten kan detektera en stor mängd kvantitativa data som det mänskliga ögat eller erfarenheten inte fångar upp. Datan kan liknas vid ett slags digitala biomarkörer, som visar förändringar och onormala beteenden. Syftet med tekniken är inte att ersätta mer kvalitativa minnestester, som leds av människor, utan att komplettera dem, förklarar Hedvig Kjellström, professor i datavetenskap vid KTH och projektledare för EACare.

Robot ger motivation
Den mänskliga hjärnan är oerhört känslig och komplex. En utmaning för forskarna är därför att skapa icke-invasiv teknologi som inte påverkar och stör patienten och därmed ger upphov till inkorrekta resultat som riskerar att leda till en felaktig diagnos. Det är en av anledningarna till att man använder en robot för att ställa frågor, istället för vanlig skärmbaserad teknologi, som exempelvis en iPad.
– Med en robot får vi en mycket mer naturlig social interaktion, där patienten anstränger sig mer och får större motivation. Då är det lättare att få fram den viktiga ickeverbala kommunikationen, förklarar Jonas Beskow, professor i talkommunikation på avdelningen för tal musik och hörsel på KTH. Han har tillsammans med kollegan Joakim Gustafson, professor i talteknologi på KTH, medverkat till att ta fram Furhat-roboten, som nu vidareutvecklas av ett fristående bolag.

Data samlas in
Projektet är inne på sitt fjärde år, en basversion av roboten är på plats, och nu testas komponenter av systemet i den kliniska verkligheten på Karolinska universitetssjukhuset. Det är världsunik data som samlas in och sedan används för att fortsätta att utveckla algoritmer och bygga upp systemen för dialog och diagnostik. Med hjälp av flera doktorander utvecklas alla moduler för att skapa en helhet.
– I nästa steg syntetiserar vi alla komponenter i systemet och skapar en modell för maskininlärning baserad på den data vi samlar in, förklarar Joakim Gustafson.
På sikt skulle teknologin kunna användas distribuerat och i stor skala på exempelvis vårdcentraler och apotek. På så sätt kan minnestester avdramatiseras och tillgängliggöras för den breda allmänheten.
– Då kan vi hitta riskindivider på ett riktigt tidigt stadium och sätta in förebyggande åtgärder, som livsstilsförändringar eller bromsmediciner, framhåller Miia Kivipelto. Idag hittas de flesta demenssjuka tyvärr när det redan är för sent och det vill vi ändra på.

KTH – EACare

EACare är en femårig forskningssamverkan mellan KTH och Karolinska institutet som finansieras av Stiftelsen för strategisk forskning. Syftet med den tvärvetenskapliga forskningen är att skapa en interaktiv robot som med hjälp av kraftfull teknologi kan hjälpa till att upptäcka tidiga tecken på Alzheimer och andra demenssjukdomar. Teknologin kan bli ett värdefullt komplement till traditionell vård och ökar möjligheten att förhindra eller bromsa sjukdomsutveckling. Roboten kan även utvecklas till att utföra träningsprogram för att motverka minnesstörningar.

Kontakt: hedvig@kth.se
www.eacare.se