Progettazione di eye-tracking features per la diagnosi precoce di decadimento cognitivo lieve e distonia cervicale

This thesis work is the result of a 6 months collaboration with the Artificial Intelligence Laboratory of University of Ljubljana and NEUS Diagnostics d.o.o. owner of the hardware and the software used to collect the data used. The goal of this thesis is to analyze gaze data collected with eye-tracking technology and design possible predictors for two neurological disorders: Mild Cognitive Impairment (MCI) as a phase before developing an overt dementia and Focal Cervical Dystonia (FCD). The detection of MCI through systematic screening programs, is imperative since neurologists estimate that about 15% of patients diagnosed with MCI develop Alzheimer's Disease (AD) or other types of dementia within two years. Since dementia is a growing health problem and there is still no effective treatment, an early detection of the disease is important to improve the quality of life of both patients and their families. FCD instead, is a different neurological disorder characterized by involuntary neck muscles contractions. Theoretically, eye movements could be affected in FCD but there is no evidence that they could be useful for the diagnosis and their abnormalities are not completely characterized yet. Our aim is to design features from three different tests (smooth pursuit, dot counting and a modified version of Corsi task) implemented in the neuropsychological battery designed by NEUS to assess cognitive problems. The choice of these particular tests is due to the fact that they are still poorly explored in literature. We will describe the possible predictors found for the three tests analyzing the results from a statistical point of view. We will conclude the thesis building a machine learning predictive model based on smooth pursuit and modified Corsi features able to quite accurately detect people that present with cognitive impairment.

Questo lavoro di tesi è il risultato di una collaborazione di 6 mesi con il Laboratorio di Intelligenza Artificiale dell'Università di Lubiana e NEUS Diagnostics d.o.o., proprietaria dell'hardware e del software utilizzati per la raccolta dei dati. L'obiettivo di questa tesi è quello di analizzare i dati raccolti con la tecnologia dell'eye-tracking e di progettare possibili predittori per 2 disordini neurologici: Decadimento Cognitivo Lieve (MCI) e Distonia Cervicale (FCD). Il rilevamento di MCI attraverso programmi di screening sistematici, è imperativo in quanto i neurologi stimano che circa il 15\% dei pazienti con diagnosi di MCI sviluppano il morbo di Alzheimer (AD) o altri tipi di demenza entro due anni. Poiché la demenza è un problema di salute sempre più diffuso e non ci sono ancora trattamenti disponibili, una diagnosi precoce della malattia è importante per migliorare la qualità della vita sia dei pazienti che dei loro familiari. La FCD, invece, è un diverso disturbo neurologico caratterizzato da contrazioni involontarie dei muscoli del collo. Sappiamo che i movimenti oculari potrebbero essere influenzati da questa patologia, ma non ci sono prove che possano essere utili per la diagnosi e in ogni caso non sono ancora completamente caratterizzati. Il nostro obiettivo è quello di progettare delle features a partire da tre diversi test oculari (smooth pursuit, dot counting e una versione modificata del test di Corsi) implementati nella batteria neuropsicologica progettata da Neus per rilevare problemi cognitivi. La scelta di questi particolari test è dovuta al fatto che sono ancora poco esplorati in letteratura. Descriveremo i possibili predittori trovati per i tre test analizzando i risultati da un punto di vista statistico e concluderemo la tesi costruendo un modello predittivo di machine learning basato sulle features ottenute per i test di smooth pursuit e Corsi in grado di rilevare con buone prestazioni soggetti con problemi cognitivi.