• Algoritma machine-learning (ML) baru menggunakan kecerdasan buatan (AI) dan Emotiv EEG untuk menghitung usia otak seseorang.

• Perubahan pada EEG kondisi istirahat (resting-state) seseorang dapat menjadi sinyal tanda-tanda awal penyakit degeneratif seperti Alzheimer.

• Temuan penelitian ini, yang diterbitkan dalam Frontiers in Neuroergonomics, menawarkan pendekatan proaktif untuk skrining kesehatan otak.

Para peneliti telah mengembangkan metode baru untuk menghitung perbedaan antara usia kronologis seseorang dan usia otaknya. Model machine-learning ini menggunakan headset Emotiv Epoc X untuk mengukur aktivitas listrik selama kondisi istirahat otak (terbangun tetapi tanpa tugas yang harus dilakukan) dan membandingkannya dengan data statistik di antara orang dewasa yang sehat.

Kounios et al. (2024) melatih algoritma tersebut dengan data otak Epoc X yang dikumpulkan dari kumpulan peserta online langsung dan jarak jauh, serta dataset pelatihan tambahan. Secara total, studi ini menggunakan lima dataset gabungan.

Mengapa Usia Otak Itu Penting?

Otak manusia selalu berubah, menambahkan koneksi baru dan memperbaiki koneksi lama sepanjang hidup kita. Cedera dan penyakit dapat menunda atau mempercepat tahap perkembangan otak, sehingga menyebabkan "kesenjangan usia otak". Kesenjangan ini dapat berfungsi sebagai tanda peringatan untuk penyakit yang berkaitan dengan usia. Sayangnya, pemindaian otak sering kali mahal serta memakan waktu dan biasanya hanya dilakukan setelah gejala penyakit muncul.

Para penulis mengusulkan bahwa memindai individu di usia paruh baya awal atau lebih muda meningkatkan kemungkinan mendeteksi dan mengobati gangguan neurologis terkait usia pada fase paling awal.

"Pendekatan kami terhadap estimasi usia otak EEG memiliki beberapa aplikasi yang menjanjikan," catat para penulis. "Ini dapat digunakan sebagai alat skrining yang relatif murah untuk mengidentifikasi individu yang kesenjangan usia otaknya menunjukkan kemungkinan patologi terkait usia mendasar yang dapat ditindaklanjuti dengan tes diagnostik spesifik. Selain itu, karena biaya headset Emotiv Epoc X yang relatif rendah, estimasi usia otak EEG dapat dilakukan berulang kali untuk memverifikasi hasil dan mendeteksi perubahan dari waktu ke waktu."

Kumpulan data usia otak ini juga dapat berguna untuk menguji intervensi potensial guna memperlambat atau membalikkan penuaan neurologis. Sebagai contoh, sebuah studi tahun 2020 yang didanai oleh National Institute on Aging menemukan bahwa faktor gaya hidup sehat tertentu dapat menurunkan risiko Alzheimer sebesar 60% (Dhana et al., 2020).

EEG Nirkabel Menjadi Penyelamat

Kounios dan rekan-rekannya memuji EPOC X karena terjangkau dan mudah diakses. Mereka mengatakan ini memungkinkan orang untuk memperkirakan usia otak mereka di rumah atau di tempat kerja. Hal ini dapat mendorong lebih banyak penelitian tentang penurunan kognitif terkait usia dan intervensi gaya hidup untuk kesehatan kognitif.

Mempelajari cara menghitung usia otak juga menyimpan kemungkinan lain. Sebagai contoh, ada sekelompok orang berusia 80-an dan 90-an yang disebut "cognitive super-agers" yang menentang statistik tersebut. Cognitive super-agers memiliki kinerja memori yang mirip dengan orang dewasa yang 20-30 tahun lebih muda. Studi saat ini bertujuan untuk belajar dari kelompok individu yang luar biasa ini dan menggunakan informasi tersebut untuk mempromosikan penuaan otak yang sehat.

Para neurosaintis dan peneliti lainnya berharap dapat lebih memahami peran diet, lingkungan, gaya hidup, dan genetika dalam bagaimana otak kita menua.

Para penulis menekankan pentingnya mengevaluasi stabilitas model skrining usia otak mereka dalam jangka waktu yang lama. Penelitian di masa depan juga diperlukan untuk memvalidasi temuan ini dengan sampel data EEG otak yang lebih besar dan lebih beragam.

Referensi:

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732