2025-04-28 20:30 CET
EEG och AI i samverkan: Nytt verktyg för ADHD-diagnostik
Forskare vid Högskolan i Gävle har utvecklat en innovativ metod för att identifiera ADHD hos barn genom att kombinera EEG-mätningar med artificiell intelligens (AI). I en studie med 121 barn i åldern 7–12 år, varav 60 hade en ADHD-diagnos, kunde metoden korrekt särskilja barn med och utan diagnos i 89 procent av fallen (Forskning.se).
“Metoden handlar om att lära ett program att identifiera mönster med hjälp av den EEG-data vi haft tillgång till. Resultatet är lovande helt klart, även om vi är i ett tidigt stadium i forskningen,” säger Sunil Kumar, doktor i elektroteknik vid Högskolan i Gävle.
Entropibaserad kanalvalsteknik förbättrar noggrannheten
Den vetenskapliga grunden för metoden är en så kallad “entropy difference”-baserad kanalvalsteknik (PLOS ONE). Genom att analysera skillnader i entropi mellan EEG-signaler från barn med ADHD och friska kontrollpersoner kunde forskarna identifiera de mest informativa EEG-kanalerna. Dessa data användes sedan för att träna olika AI-modeller, inklusive k-närmaste grannar (k-NN), ensembleklassificerare och supportvektormaskiner (SVM). Den högsta noggrannheten, 99,29 %, uppnåddes med hjälp av en offentlig databas och korsvalidering.
Begränsningar och framtida tillämpningar
Trots de lovande resultaten betonar forskarna att metoden ännu inte är redo för klinisk användning. “Vi har ännu inte ett resultat som går att använda kliniskt inom vården. Det här är en teoretisk och matematisk metod och vi har använt oss av befintlig data. Vi behöver exempelvis göra en egen datainsamling med försökspersoner och utveckla metoden för att öka träffsäkerheten och få ett mer tillämpbart resultat,” förklarar Sunil Kumar.
Framtida forskning planeras för att integrera metoden i kliniska miljöer och utforska dess tillämpning på andra neurologiska tillstånd som autism och epilepsi. Dessutom övervägs användningen av andra biometriska signaler, såsom EKG, för att förbättra diagnosprocessen.
Sammanfattning
Den nya metoden som kombinerar EEG och AI visar stor potential för att förbättra diagnosen av ADHD hos barn. Med en träffsäkerhet på upp till 99,29 % i preliminära tester representerar den ett betydande framsteg inom neurodiagnostik. Ytterligare forskning och kliniska studier krävs dock innan metoden kan implementeras i vården.
Källförteckning
1. Forskning.se: “Mätning av hjärnans aktivitet kan upptäcka adhd hos barn”
2. PLOS ONE: “Entropy difference-based EEG channel selection technique for automated detection of ADHD”
4. ScienceDirect: “Automated detection of ADHD: Current trends and future perspective”
5. DOAJ: “Entropy difference-based EEG channel selection technique for automated detection of ADHD”
