7 façons dont la collecte de données à distance améliore la recherche en neurosciences

D'ici 2025, il y aura environ 463 exaoctets de nouvelles données créées chaque jour sur Internet - un chiffre véritablement inimaginable. Ces données proviennent d'objets courants tels que ~300 milliards d'e-mails ou ~95 millions de photos partagées. Ces objets sont partagés ouvertement dans le but d'être vus. Cependant, la plupart de ce déluge de données quotidiennes provient d'éléments moins connus, plus banals et sous-jacents tels que les métadonnées, les données de localisation, les journaux d'interaction, l'historique de navigation archivé, et plus encore. Bien que apparemment peu intéressants, il s'avère qu'une fois collectées et analysées en masse, au fil du temps, elles peuvent être étonnamment précises pour prédire les états humains, c'est-à-dire :

• En bonne santé contre malade.

• Activités générales.

• Dormir contre faire de l'exercice.

• Comportement futur tel que les achats potentiels ou les votes aux élections.

En tant que neuroscientifiques, nous pouvons tirer parti de ces données pour en apprendre davantage sur l'esprit humain. Après tout, élucider les facteurs à la base de l'activité et/ou du comportement humain est au cœur de la recherche en neurosciences. Cet article propose sept façons dont la collecte de données à distance améliore la recherche en neurosciences.

Les neuroscientifiques utilisent des techniques de collecte de données à distance depuis des décennies. Ce qui a changé ces dernières années est :

• À quel point “à distance” peut vraiment l'être.

• Le nombre de sujets qui peuvent participer.

• Le type de points de terminaison qui peuvent être mesurés et traités dans une seule expérience.

La recherche n'est pas la seule application de la collecte et de l'application de données à distance. Les avancées récentes dans les systèmes de réalité virtuelle (VR) ont amené le laboratoire dans des espaces virtuels. Par exemple, médicalement, ces avancées dans les systèmes VR pour la recherche en neurosciences permettent un accès plus facile à la réalisation de chirurgies à distance à travers le monde. Dans ce scénario, le casque VR reste avec l'équipe opératoire afin que lorsque le chirurgien arrive, il puisse voir la qualité du flux vidéo quasi en temps réel provenant du patient à des centaines de kilomètres.

Dans des situations mineures, l'utilisation de la vidéo seule suffirait, mais avec cette réalité augmentée, ils associent la vidéo avec un retour haptique tant dans la chirurgie en direct que dans les missions éducatives/de formation chirurgicale. On pourrait dire que cela est similaire à une bande rugueuse sur un contrôleur de jeu mais beaucoup plus avancé.

Comme souligné ci-dessous, il y a plusieurs raisons (enfin, au moins sept) pour lesquelles un processus médical, un chercheur ou un neuro-marketeur choisirait d'utiliser la technologie moderne pour collecter, traiter et analyser des données mondiales collectées à distance.

1. Le confort et la facilité de la maison

Les sujets stressés produisent des données stressées.

Il est bien reconnu que l'exposition à des facteurs de stress avant de passer un test comportemental peut modifier les données collectées par la suite. De plus, il a été démontré à plusieurs reprises que, en plus des effets aigus, les facteurs de stress environnementaux peuvent entraîner des effets à long terme. La meilleure chance des scientifiques est de réduire ces variables externes tout en acceptant qu'elles ne peuvent jamais être complètement éliminées. Ainsi, si chacun des sujets est traité de manière identique, ils sont également exposés à tous les éléments.

Un être humain testé dans son propre domicile

Se rendre chez un médecin, s'inquiéter des coûts, d'un diagnostic, trouver le bon bureau, ou vérifier si votre stationnement est légal sont tous des facteurs de stress très réels. Cependant, supposons que la collecte de données de recherche puisse être effectuée pour éviter ces facteurs externes, comme dans le confort de sa propre maison. Dans ce cas, l'impact d'un voyage stressant ne masquerait pas l'objectif de l'étude.

Cela dit, il n'est pas possible d'isoler ou d'éliminer complètement les effets des forces externes sur les sujets de recherche. La meilleure approche pour minimiser les facteurs de stress est d'exposer tous les sujets aux mêmes circonstances en utilisant des équipements innovants mais validés.

2. Force majeure

Lorsque des catastrophes imprévues surviennent, vous devez adapter votre comportement. Entrez, COVID-19.

Les trois dernières années ont été révélatrices à tous points de vue en raison de la pandémie mondiale de COVID-19. Parfois, il y a tout simplement des événements ou des circonstances extraordinaires échappant au contrôle des chercheurs. Ces circonstances imprévues obligent à s'adapter à de nouvelles contraintes.

Déterminer la campagne publicitaire la plus efficace en utilisant la meilleure technologie disponible est une évidence pour les capitalistes. Cependant, le fait est : la qualité des données d'un sujet n'est pas dépendante de sa proximité avec le chercheur. Par conséquent, le travail principal du chercheur, qui est de collecter des données auprès des sujets, devrait s'adapter aux outils actuellement disponibles.

3. EverlyWell, Apple Watch & Télésurgery

EverlyWell est un service d'analyse de laboratoire médical par correspondance qui expédie des kits préemballés avec des instructions faciles à comprendre pour quantifier des cibles parmi plus de 30 tests diagnostiques. L'Apple Watch a également fait les gros titres pour sa notification d'anomalie cardiaque et la détection de chutes. Pour EverlyWell et Apple, il ne fait pas de doute que leurs produits apportent de la valeur pour moins de voyages et de coûts pour le marché des consommateurs.

Avec des produits comme ceux-ci et d'autres, nous, en tant que société, semblons déjà avoir accepté et fait confiance aux données biomédicales collectées localement, traitées à distance et présentées correctement. Que ce soit pour la prévention des maladies, le bien-être mental, le traitement de la maladie ou le maintien d'un corps bien équilibré, vous souhaitez recevoir des retours et espérer être récompensé lorsque vos objectifs de santé sont atteints. Dans les sombres jours avant Internet, lorsque les ordinateurs occupaient une pièce entière, mesurer et suivre vos indicateurs clés de performance (KPI) était une entreprise totalement analogique. Ce n'est plus le cas. En conséquence, le mouvement du “soi quantifié” mûrit rapidement.

Les KPI les plus couramment surveillés incluent :

• Fréquence cardiaque

• Pression artérielle

• Poids

• Taille

• Durée du sommeil

• Modèles de mouvement

Tous peuvent être quantifiés facilement avec le bon capteur et un matériel de base. Il est de notoriété publique que les neurosciences et de nombreuses disciplines biomédicales ont des problèmes de taille d'échantillon. Pour tenter de résoudre ce problème, la meilleure approche serait d'ajouter des sujets supplémentaires plutôt que de former le petit groupe de sujets sélectionnés parce qu'ils sont à proximité. Avec la gamme complète des KPI à distance mesurables, c'est un moyen viable pour la recherche en neurosciences de prospérer et de survivre.

4. Augmenter l'inclusion et la diversité des participants

Qui est le groupe WEIRD, et pourquoi savons-nous tant de choses à leur sujet en particulier ?

“Les scientifiques du comportement publient régulièrement de larges affirmations sur la psychologie humaine et le comportement dans les meilleurs journaux du monde sur la base d'échantillons tirés entièrement de sociétés occidentales, éduquées, industrialisées, riches et démocratiques (WEIRD) .”

C'est un trope commun que la psychologie sait beaucoup sur des individus blancs, aisés et d'âge universitaire mais très peu sur les humains en général.

Pourquoi ?

Les expériences psychologiques sont réalisées sur les campus universitaires, et les critères d'inclusion des sujets ne sont pas beaucoup plus larges que leur proximité et leur disponibilité pendant la journée. Pour tirer des conclusions sur la population plus large, les groupes d'échantillons pour les expériences psychologiques doivent inclure plus d'individus de divers horizons. La clé de ce problème réside dans l'équipement de collecte de données à distance, en particulier l'équipement conçu pour que les consommateurs puissent l'utiliser eux-mêmes.

5. Réductions des coûts à court et à long terme

Les plateformes cloud modernes ont rendu la distance physique irrélevante.

Utiliser un outil de collecte de données à distance fait économiser de l'argent sur les publicités.

Les échantillons randomisés coûtent plus cher que les échantillons de convenance, par exemple, les étudiants universitaires, car vous devez faire de la publicité pour les sujets de recherche dans la communauté locale. En d'autres termes, faire de la publicité coûte de l'argent.

Utiliser un outil de collecte de données à distance fait économiser de l'argent sur l'équipement informatique et d'analyse neuro-propriétaires.

Souvent, des laboratoires de recherche individuels doivent payer et entretenir leur propre matériel informatique, surtout s'il s'agit d'un matériel spécialisé pour la collecte de données. Bien sûr, au fil du temps, la technologie s'améliore. En attendant, la mise à jour des infrastructures est un coût élevé. Pour cette raison, l'accès aux plateformes cloud modernes et à l'équipement de collecte de données à coût réduit peut diminuer l'utilisation des ressources dans la recherche en neurosciences.

6. La quantification de la physiologie et du comportement a toujours été “à distance”

La distance entre le matériel du capteur et le logiciel de traitement des données est sans importance.

Comprendre, prédire et guérir le comportement humain est au cœur de la plupart des recherches académiques, surtout en neurosciences. En règle générale, la notion de “collecte de données comportementales” évoque des images de scientifiques en blouses de laboratoire suspectement impeccables, observant les sujets de loin avec un clipboard et un chronomètre tout en griffonnant de temps en temps.

C'est une idée simple, mais elle est parsemée de sources potentielles de variance inconnue qui pourraient influencer l'activité ou le comportement d'un sujet. Dans les expériences scientifiques, l'objectif est d'éliminer autant que possible cette variance non comptabilisée. Cette pratique est essentielle pour tirer des conclusions fondées sur des preuves sur la cause lorsqu'un effet est observé.

Comment supprimer les sources d'erreur dans la recherche en neurosciences

La quête pour éliminer les sources d'erreur lors de la quantification de la physiologie et du comportement humains est en cours. À sa base, cela implique généralement des améliorations apportées au matériel qui collecte des données depuis des capteurs, qui sont ensuite traitées à l'aide de logiciels analogiques ou numériques pour identifier des éléments d'intérêt, des tendances ou des différences entre ou au sein des sujets. La collecte de données à distance est plus puissante qu'on ne le pensait initialement et peut fournir des ensembles de données divers mais pertinents qui ajoutent de la puissance prédictive à l'expérience.

7. L'apprentissage automatique offre de meilleures données

Données + Métadonnées + Apprentissage automatique (ML) = modèle le plus complet de l'activité comportementale.

Les modèles d'intelligence artificielle de qui vous êtes, où vous êtes, ce que vous aimez et détestez, sont tous utilisés à une échelle dont beaucoup ne sont pas conscients. Heureusement, il existe des équipements de collecte de données en neurosciences disponibles sur notre marché moderne. Leur utilisation des données et des métadonnées publicitaires résultera probablement en une compréhension plus complète du comportement que ce qui pourrait être collecté dans des environnements de laboratoire plus stériles et isolés.

Au cœur, les données fournies (nom, localisation, date de naissance) sont fusionnées avec des métadonnées sous-jacentes (temps sur le site, site précédent, site de sortie) et ont libéré des techniques d'analyse complètement nouvelles qui s'avèrent extrêmement utiles pour mesurer et prédire le comportement humain.

Souhaitez-vous en savoir plus ? Rencontrez EMOTIV

En mettant en évidence les techniques ci-dessus, nous avons démontré que la collecte de données à distance n'est pas nouvelle et continue d'améliorer la recherche en neurosciences à mesure que les améliorations technologiques arrivent sur le marché. Compte tenu de la rapidité à laquelle “à distance” s'est élargi, passant de l'autre côté du couloir, au coin de la rue, à travers le pays et maintenant, à travers le monde, il est facile de comprendre les sentiments d'inquiétude ressentis par les chercheurs traditionnels. Cependant, compte tenu de l'ampleur des améliorations techniques des matériels destinés aux consommateurs et des réalisations monumentales dans l'analyse et le traitement des données basées sur le cloud, le terme “à distance” devient rapidement irrelevant par rapport à la façon dont les données sont collectées.

En résumé, les sujets peuvent effectuer la collecte de données à domicile sans la supervision directe du personnel de recherche. Ils peuvent collecter ces informations sur leur cerveau pour un usage personnel mais ont également la possibilité de télécharger leur EEG ou de collecter l'EEG spécifiquement pour des projets de recherche plus étendus et continus.

Fondée en 2011, EMOTIV est une entreprise de bioinformatique basée à San Francisco dont la mission est d'avancer notre compréhension du cerveau humain à l'aide de matériel d'électroencéphalographie (EEG) personnalisé, d'analyse et de visualisation. L'approche d'EMOTIV en matière de recherche EEG reflète plus étroitement les conditions du “monde réel”, les individus testés étant dans des lieux et des environnements qui reflètent davantage la façon dont ils vivent réellement leur vie.

Casques EMOTIV

EMOTIV INSIGHT

EMOTIV sert une large communauté d'utilisateurs, allant des professionnels aux individus qui cherchent simplement à en apprendre davantage sur leur cerveau. Le casque EEG à 5 canaux EMOTIV INSIGHT est conçu pour l'interface cerveau-ordinateur (BCI). Insight combine un design élégant et facile à configurer avec une technologie de capteur révolutionnaire.

EMOTIV EPOC X et EPOC Flex

Les systèmes EEG à 14 canaux et 32 canaux EMOTIV EPOC X et EPOC Flex offrent une solution pour la recherche en neurosciences dans tous les contextes, les casques EPOC étant sans fil avec une technologie de capteur améliorée. Les deux casques ont été validés par des groupes de recherche indépendants et se sont révélés fournir des données de haute qualité, de qualité recherche.

Une comparaison complète des capacités techniques des systèmes EEG d'EMOTIV est disponible pour examen.

Technologie EMOTIV

Nous disposons d'une suite d'outils pour soutenir chaque étape de la recherche en neurosciences en cours de route.

Le logiciel EmotivPRO permet aux utilisateurs de traiter, analyser et visualiser les résultats d'essai. Les chercheurs peuvent également concevoir des expériences au niveau professionnel auxquelles tout participant disposant d'un casque EMOTIV peut participer s'il respecte la conception expérimentale.

Un kit de développement logiciel (SDK) pour EMOTIV est également disponible afin que des applications, interactions ou conceptions expérimentales personnalisées puissent être réalisées en déplacement en utilisant le casque et le smartphone seuls.

À mesure que le nombre de disciplines et de marchés commerciaux adoptant des outils et méthodologies en neurosciences augmente, les systèmes EEG à faible coût et faciles à utiliser d'EMOTIV sont utilisés dans :

• Recherche en neurosciences

• Initiatives de marketing de santé et de bien-être

• Industries automobiles

• Neuromarketing

• Recherche consommateur

• Éducation

• Paramètres de divertissement

De plus, avec la qualité, le coût et la capacité d'expédier des casques EMOTIV dans le monde entier, les chercheurs peuvent recruter et inscrire un large éventail de participants qualifiés. En raison des métriques de contrôle de qualité que le logiciel de traitement évalue, les chercheurs peuvent également faire confiance au processus de collecte de données.