Projektbeschreibung
Ein Fern-Massenscreening von gealterten Gehirnen
Die alternde Bevölkerung weist ein erhöhtes Risiko für neurodegenerative Erkrankungen wie Alzheimer und Parkinson auf. Das gealterte Gehirn ist gegenüber neurodegenerativen Erkrankungen besonders anfällig und erfordert daher effektive Diagnosemethoden. Die heutigen Ansätze basieren auf teuren Gehirnscans und arbeitsintensiven neuropsychologischen Testreihen. Um die effiziente Früherkennung von neurodegenerativen Erkrankungen zu ermöglichen, müssen die entsprechenden Verfahren dringend modernisiert werden. Das EU-finanzierte Projekt MULTI-LAND wird zur Bewältigung dieser Aufgabe einen einzigartigen, innovativen interdisziplinären Rahmen anwenden, der Marker für natürliche Sprache nutzt und durch maschinelles Lernen unterstützt wird. Das Projekt wird diese Herangehensweise mit der ersten methodenübergreifenden (verhaltensbasiert, funktionelle Magnetresonanztomografie, EKG) und zentrenübergreifenden (Lateinamerika, Europa) Validierung von Markern für natürliche Sprache bei Patienten mit neurodegenerativen Erkrankungen kombinieren. Sein Ziel ist es, einen Beitrag dazu zu leisten, Massen-Fernscreenings für die alternde Bevölkerung zu optimieren.
Ziel
By 2030, people aged 65 and over are expected to account for more than 25% of the European population. This fact foreshadows a dramatic growth of aging-related neurodegenerative disorders (NDs), including Alzheimer's and Parkinson's disease. Critically, this scenario will place a severe strain on healthcare systems as NDs incapacitate patients, burden their families, and entail major costs of diagnostics evaluation, including time-consuming neuropsychological batteries and expensive brain scans. Though currently irreplaceable, this approach is often unaffordable and non-viable for remote application -a key requisite during pandemic lockdowns. Thus, these procedures must be complemented with urgent innovations that boost diagnosis and symptom severity detection using low-cost tools applicable to large sections of the population remotely. A promising interdisciplinary framework rooted in natural language markers (NLMs) can offer key solutions to this crisis. This novel framework is based on linguistic features derived from patient's natural speech and analysed via machine learning algorithms. NLMs are characterized by high ecological validity, minimal stress, low costs and adaptability for remote and massive screening. Despite the increasing application of NLMs in the field of mental health, their use in NDs evaluation is still scarce. Building on a unique synergy of international expertise, we will perform the first cross-methodological (behavioural, f/MRI, EEG) and cross-centre (Latin-America and Europe) validation of NLMs in patients with NDs. Specifically, we aim to: (1) establish NLMs diagnostic sensitivity, (2) unveil potential links between NLMs and brain network disruptions, (3) estimate their robustness and generalisation power. The ultimate translational goal of this project is to identify the best-performing set of NLMs to develop a frontline mobile-phone app with clinical value, capable of capturing natural speech features for remote patient evaluation.
Wissenschaftliches Gebiet
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
20009 San Sebastian
Spanien