DTU的研究人员发现了一种检查眼球追踪器数据的新方法。
“我们的数据驱动方法是基于机器学习的，可以帮助诊断患者，并确定一种治疗方法或进一步发展的新开发的药物是否具有预期效果。”保罗·马苏里(Paolo Masulli)说，他曾是DTU Compute的博士后，现在就职于imotion，他参与了数据分析和生物特征数据建模软件的开发。
这项研究成果是最近完成的由丹麦创新基金支持的项目的一部分，并发表在《国际神经科学》杂志上杂志上皮层．
当用眼球追踪技术检查病人是否患有神经或精神疾病时，研究人员在屏幕上向病人展示一系列人脸照片或视频。眼球追踪传感器随后会跟踪患者的眼球运动，并跟踪图像中的特定区域。结果可以在热图上看到;病人看图像特定区域的次数会影响图像的颜色或热图。
“研究人员通常定义和界定感兴趣的领域。然而，没有精确的科学来定义这些区域在图像中的大小和位置。这里面有很多主观性。我们的方法不同。我们没有预先定义特定的区域，而是让数据说话，因此我们的方法为我们提供了对患者眼球运动的更客观的评估，”Paolo Masulli说。
年龄在18到25岁之间的患者——来自111名门诊精神病患者的数据，瑞典大学的合作伙伴，吉尔伯格神经精神病学中心已经记录了这些数据——显示出自闭症、抑郁症或多动症的症状，并希望参与这项研究项目，并将他们匿名的数据用于研究。
在试验中，患者回答了一些标准的临床测试，这些测试根据症状的严重程度将他们放在数字刻度上。然后，研究人员向他们展示了一系列黑白照片，照片中的人要么表达喜悦，要么愤怒，要么看起来是中性的，而眼动仪则从整个照片中收集数据。
随后，使用机器学习对所有热图进行分析，其中最重要的部分(面部的点)从数据集中统计识别出来。
然后，研究人员利用临床症状测试中的成分和数字，建立了一个数学模型，将这些成分与自闭症、抑郁症和多动症的程度联系起来。根据该模型，创建了新的数据驱动的热图，与临床试验的特定水平相对应。
“我们的方法证实了最近的研究发现的趋势，并表明机器学习可以用于神经科学研究，”保罗的导师，DTU计算托拜厄斯安德森副教授说。
这种方法将可以在诊所中使用，在那里医生经常会见尚未得到诊断的病人。在眼球追踪软件中实现算法将使它能够显示患者在自闭症、抑郁症和多动症的等级。
通常还有一个共病的问题，当一个病人有一个以上的精神病或
Tobias Andersen说，“一些自闭症患者想要更好地进行社交互动，这里的方法可以用来检测眼球运动，看看自闭症患者是如何受到影响的，并自动给他或她反馈。而且，如果你训练病人更容易地看脸，你就可以用这种方法来看看训练是否有效。”
瑞典合作伙伴哥德堡大学(University of Gothenburg)的吉尔伯格神经精神病学中心(Gillberg Neuropsychiatry Center)表示，研究结果提供了重要的新知识:
“大多数使用眼球追踪的研究都使用了任意的、实验定义的兴趣领域。我们的方法是一个重要的进步,因为它是客观的,数据驱动的,它使应用程序的一个维度(多边)方法研究神经精神疾病及其相关的目光行为而言,“说Nouchine Hadjikhani,哥德堡大学的教授和哈佛医学院。
Gillberg神经精神病学中心指出，这种新方法也可以产生创新的假设:
“例如，我们观察到左视野偏差的减少与抑郁症有关。这究竟是一种状态，还是一种特征，以及它是否可以作为一个生物标记，用于跟踪与抑郁症相关的治疗效果，这是可以在未来的研究中探索的问题之一，”Nouchine Hadjikhani说。
