Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
7 manieren waarop gegevensverzameling op afstand neurowetenschappelijk onderzoek verbetert
Quoc Minh Lai
-
Delen:
Tegen 2025 zal er elke dag ongeveer 463 exabyte aan nieuwe data op internet worden gecreëerd — een werkelijk onvoorstelbaar aantal. Deze data komt van alledaagse zaken zoals ~300 miljard e-mails of ~95 miljoen gedeelde foto’s. Deze items worden openlijk gedeeld met de bedoeling bekeken te worden. Het grootste deel van deze dagelijkse datastroom komt echter van minder bekende, meer alledaagse onderliggende elementen zoals metadata, locatiegegevens, interactielogs, gearchiveerde browsegeschiedenis en meer. Hoewel dit ogenschijnlijk oninteressant is, blijkt dat wanneer het in bulk wordt verzameld en geanalyseerd, in de loop van de tijd, het verbazingwekkend nauwkeurig kan zijn in het voorspellen van menselijke toestanden, d.w.z.:
Gezond vs. ziek.
Algemene activiteiten.
Slapen vs. sporten.
Toekomstig gedrag zoals potentiële aankopen of verkiezingsstemmen.
Als neurowetenschappers kunnen we deze data benutten om meer te leren over de menselijke geest. Het verhelderen van factoren die ten grondslag liggen aan menselijke activiteit en/of gedrag vormt immers de kern van neurowetenschappelijk onderzoek. Dit artikel biedt zeven manieren waarop externe dataverzameling neurowetenschappelijk onderzoek verbetert.
Neurowetenschappers gebruiken al decennialang technieken voor externe dataverzameling. Wat er de afgelopen jaren is veranderd, is:
Hoe ver “op afstand” werkelijk kan zijn.
Het aantal proefpersonen dat kan deelnemen.
Het type eindpunten dat in één enkel experiment kan worden gemeten en verwerkt.
Onderzoek is niet de enige toepassing voor externe dataverzameling en -toepassing. Recente vooruitgang in Virtual Reality (VR)-systemen heeft het laboratorium naar virtuele ruimtes gebracht. Medisch gezien maken deze vooruitgangen in VR-systemen voor neurowetenschappelijk onderzoek bijvoorbeeld gemakkelijker toegang mogelijk tot het uitvoeren van operaties op afstand over de hele wereld. In dit scenario blijft de VR-headset bij het operatieteam, zodat wanneer de chirurg arriveert, hij de kwaliteit kan zien van de bijna realtime videofeed die van de patiënt honderden kilometers verderop komt.
In kleinere situaties zou alleen video volstaan, maar met deze augmented reality combineren ze video met haptische feedback, zowel bij live operaties als bij educatieve/trainingsopdrachten in de chirurgie. Je zou kunnen zeggen dat dit lijkt op een trilfunctie op een gamecontroller, maar dan veel geavanceerder.
Zoals hieronder benadrukt, zijn er verschillende redenen (nou ja, minstens zeven) waarom een medisch proces, onderzoeker of neuromarketeer ervoor zou kiezen moderne technologie te gebruiken om wereldwijd, op afstand verzamelde data te verzamelen, verwerken en analyseren.
1. Het comfort en gemak van thuis
Gestreste proefpersonen zorgen voor gestreste data.
Het is algemeen erkend dat blootstelling aan stressfactoren vóór het uitvoeren van een gedragstest de vervolgens verzamelde data kan veranderen. Bovendien is herhaaldelijk aangetoond dat, naast acute effecten, omgevingsstressoren kunnen leiden tot langetermijneffecten. De beste hoop van wetenschappers is dergelijke externe variabelen te beperken, terwijl ze accepteren dat ze nooit volledig kunnen worden geëlimineerd. Als zodanig geldt: als alle proefpersonen identiek worden behandeld, worden ze in gelijke mate aan alle elementen blootgesteld.
Een mens die in zijn eigen huis wordt getest
Naar een dokterspraktijk rijden, je zorgen maken over kosten, een diagnose, het vinden van het juiste kantoor of of je wel legaal geparkeerd staat, zijn allemaal zeer reële stressfactoren. Stel je echter voor dat onderzoeksdataverzameling zo zou kunnen worden gedaan dat deze externe factoren worden vermeden, zoals in het comfort van je eigen huis. In dat geval zou de impact van stressvolle verplaatsingen de focus van de studie niet overschaduwen.
Dat gezegd hebbende, is het niet mogelijk om de effecten van externe krachten op onderzoekssubjecten volledig te isoleren of elimineren. De beste aanpak om stressoren te minimaliseren is alle proefpersonen bloot te stellen aan dezelfde omstandigheden met behulp van innovatieve maar gevalideerde apparatuur.
2. Overmacht
Wanneer een onvoorziene ramp toeslaat, moet je je gedrag aanpassen. Enter, COVID-19.
De afgelopen drie jaar zijn op alle vlakken verhelderend geweest door de wereldwijde COVID-19-pandemie. Soms zijn er gewoon buitengewone gebeurtenissen of omstandigheden buiten de controle van onderzoekers. Deze onvoorziene omstandigheden dwingen tot aanpassing aan nieuwe beperkingen.
De meest effectieve reclamecampagne bepalen met de best beschikbare technologie is voor kapitalisten een no-brainer. Feit is echter: de datakwaliteit van een proefpersoon is niet afhankelijk van diens nabijheid tot de onderzoeker. Daarom moet de kerntaak van de onderzoeker — het verzamelen van data van proefpersonen — zich aanpassen aan de momenteel beschikbare tools.
3. EverlyWell, Apple Watch & teleschirurgie
EverlyWell is een postorderdienst voor medische laboratoriumtesten die voorverpakte kits verzendt met eenvoudig te begrijpen instructies om doelwaarden te kwantificeren over meer dan 30 diagnostische tests. De Apple Watch haalde ook de krantenkoppen vanwege meldingen van hartritme-afwijkingen en valdetectie. Voor zowel EverlyWell als Apple is er zeer weinig twijfel geweest over het vermogen van hun producten om waarde toe te voegen met minder reizen en kosten voor de consumentenmarkt.
Met producten zoals deze en andere lijken we als samenleving biomedische data die lokaal wordt verzameld, op afstand verwerkt en correct gepresenteerd al te hebben geaccepteerd en vertrouwd. Of het nu gaat om ziektepreventie, mentaal welzijn, het bestrijden van ziekte of het behouden van een goed gebalanceerd lichaam, je wilt feedback krijgen en hopelijk beloond worden wanneer gezondheidsdoelen zijn bereikt. In de donkere dagen vóór internet, toen computers een hele kamer innamen, was het meten en bijhouden van je fitness-Key Performance Indicators (KPI) een volledig analoge onderneming. Dat is niet langer het geval. Daardoor rijpt de “quantified self”-beweging snel.
De meest gemonitorde KPI’s zijn onder meer:
Hartslag
Bloeddruk
Gewicht
Lengte
Slaapduur
Bewegingspatronen
Dit alles kan eenvoudig worden gekwantificeerd met de juiste sensor en basishardware. Het is algemeen bekend dat neurowetenschap en veel biomedische disciplines problemen met steekproefgrootte hebben. Bij het oplossen van dit probleem is de beste aanpak om extra proefpersonen toe te voegen in plaats van de kleinere groep geselecteerde proefpersonen te trainen omdat ze dichtbij zijn. Met het volledige scala aan op afstand meetbare KPI’s is dit een haalbare manier voor neurowetenschappelijk onderzoek om te bloeien en te overleven.
4. Meer inclusie en diversiteit van deelnemers
Wie is de WEIRD-groep, en waarom weten we juist over hen zoveel?
“Gedragswetenschappers publiceren routinematig brede claims over menselijke psychologie en gedrag in de toptijdschriften ter wereld op basis van steekproeven die volledig zijn getrokken uit Westerse, Opgeleide, Geïndustrialiseerde, Rijke en Democratische (WEIRD) samenlevingen.”
Het is een veelgehoord cliché dat de psychologie veel weet over witte studenten van collegeleeftijd, welvarende individuen, maar heel weinig over mensen in het algemeen.
Waarom?
Psychologische experimenten worden uitgevoerd op universiteitscampussen, en de inclusiecriteria voor proefpersonen reiken vaak niet veel verder dan nabijheid en beschikbaarheid overdag. Om conclusies te trekken over de bredere bevolking moeten steekproefgroepen voor psychologische experimenten meer individuen met diverse achtergronden omvatten. De sleutel tot dit probleem ligt in apparatuur voor externe dataverzameling, vooral apparatuur die is ontworpen voor consumenten om zelf te gebruiken.
5. Korte- en langetermijnkostenverlagingen
Moderne cloudplatforms hebben fysieke afstand irrelevant gemaakt.
Het gebruik van een tool voor externe dataverzameling bespaart geld op advertenties.
Gerandomiseerde steekproeven kosten meer dan gemakssteekproeven, bijvoorbeeld studenten, omdat je in de lokale gemeenschap moet adverteren voor onderzoekssubjecten. Simpel gezegd: adverteren kost geld.
Het gebruik van een tool voor externe dataverzameling bespaart geld op propriëtaire IT- en neuro-analyseapparatuur.
Vaak moeten individuele onderzoekslaboratoria betalen voor en hun eigen IT-apparatuur onderhouden, vooral als het gespecialiseerde hardware voor dataverzameling betreft. Natuurlijk verbetert technologie na verloop van tijd. In de tussentijd is het updaten van infrastructuur duur. Daarom kan toegang tot moderne cloudplatforms en goedkopere hardware voor dataverzameling het gebruik van middelen in neurowetenschappelijk onderzoek verminderen.
6. Fysiologie en gedrag kwantificeren is altijd al “op afstand” geweest
De afstand tussen sensorhardware en gegevensverwerkingssoftware is irrelevant.
Het begrijpen, voorspellen en herstellen van menselijk gedrag vormt de kern van het meeste academische onderzoek, vooral neurowetenschap. Gewoonlijk roept het idee van “gedragsdataverzameling” beelden op van wetenschappers in verdacht smetteloze labjassen die op afstand proefpersonen observeren met een klembord en stopwatch, terwijl ze af en toe iets noteren.
Dit is een eenvoudig idee, maar het zit vol met potentiële bronnen van onbekende variantie die de activiteit of het gedrag van een proefpersoon kunnen beïnvloeden. In wetenschappelijke experimenten is het doel om zoveel mogelijk van deze niet-verantwoorde variantie te elimineren. Deze praktijk is essentieel om op bewijs gebaseerde conclusies te trekken over de oorzaak wanneer een effect wordt waargenomen.
Hoe foutbronnen in neurowetenschappelijk onderzoek te verwijderen
De zoektocht naar het verwijderen van foutbronnen bij het kwantificeren van menselijke fysiologie en gedrag is voortdurend gaande. In de basis omvat dit doorgaans verbeteringen aan hardware die data van sensoren verzamelt, die vervolgens met analoge of digitale software wordt verwerkt om interessante elementen, trends of verschillen tussen of binnen proefpersonen te identificeren. Externe dataverzameling is krachtiger dan aanvankelijk werd aangenomen en kan diverse maar relevante datasets opleveren die voorspellende kracht aan het experiment toevoegen.
7. Machine learning biedt betere data
Data + metadata + machine learning (ML) = meest uitgebreide model van gedragsactiviteit.
Artificial-intelligence-modellen van wie je bent, waar je bent, wat je liefhebt en haat, worden allemaal gebruikt op een schaal waar velen zich niet van bewust zijn. Gelukkig is er in onze moderne markt commerciële neurowetenschappelijke dataverzamelingsapparatuur beschikbaar. Hun gebruik van data en advertentiemetadata zal waarschijnlijk resulteren in een meer omvattend begrip van gedrag dan wat in sterielere, geïsoleerde laboratoriumomgevingen zou kunnen worden verzameld.
In de kern worden verstrekte data (naam, locatie, geboortedatum) samengevoegd met onderliggende metadata (tijd op site, vorige site, exitsite), en dit heeft volledig nieuwe analysetechnieken ontketend die buitengewoon nuttig blijken voor het meten en voorspellen van menselijk gedrag.
Wil je meer leren? Maak kennis met EMOTIV
Door de bovenstaande technieken te belichten, hebben we aangetoond dat externe dataverzameling niet nieuw is en neurowetenschappelijk onderzoek blijft verbeteren naarmate technologische verbeteringen de markt bereiken. Gezien het tempo waarin “op afstand” zich heeft uitgebreid van aan de overkant van de gang, naar verderop in de straat, naar door het hele land en nu over de hele wereld, is het gemakkelijk om het ongemak van traditionele onderzoekers te begrijpen. Maar gezien de omvang van technische verbeteringen in consumenthardware en monumentale prestaties in cloudgebaseerde data-analyse en -verwerking, wordt de term “op afstand” al snel irrelevant voor de manier waarop data wordt verzameld.
Samengevat kunnen proefpersonen thuis data verzamelen zonder direct toezicht van het onderzoeksteam. Ze kunnen deze informatie over hun brein verzamelen voor persoonlijk gebruik, maar hebben ook de mogelijkheid hun EEG te uploaden of specifiek EEG te verzamelen voor uitgebreidere, doorlopende onderzoeksprojecten.
Opgericht in 2011, is EMOTIV een in San Francisco gevestigd bio-informaticabedrijf met als missie ons begrip van het menselijk brein te vergroten met behulp van aangepaste elektro-encefalografie (EEG)-hardware, analyse en visualisatie. EMOTIV’s benadering van EEG-onderzoek weerspiegelt meer de “echte wereld”-omstandigheden, omdat geteste individuen zich bevinden op locaties en in omgevingen die meer overeenkomen met hoe zij daadwerkelijk leven.
EMOTIV-headsets
EMOTIV INSIGHT
EMOTIV bedient een brede gemeenschap van gebruikers, van professionals tot individuen die simpelweg meer over hun brein willen leren. De EMOTIV INSIGHT 5-kanaals EEG-headset is ontworpen voor brain-computer interface (BCI). INSIGHT combineert een strak, eenvoudig op te zetten ontwerp met revolutionaire sensortechnologie.
EMOTIV EPOC X en EPOC Flex
De EMOTIV EPOC X en EPOC Flex bieden een 14-kanaals & 32-kanaals EEG-systeem. Ontworpen voor neurowetenschappelijk onderzoek in elke setting, zijn de EPOC-headsets draadloos met verbeterde sensortechnologie. Beide headsets zijn gevalideerd door onafhankelijke onderzoeksgroepen en bewezen hoogwaardige data van onderzoeksniveau te leveren.
Een volledige vergelijking van de technische mogelijkheden van EMOTIV’s EEG-systemen is beschikbaar ter inzage.
EMOTIV-technologie
We hebben een suite aan tools om elke stap van neurowetenschappelijk onderzoek onderweg te ondersteunen.
EmotivPRO-software stelt gebruikers in staat om proefresultaten te verwerken, analyseren en visualiseren. Onderzoekers kunnen ook experimenten op professioneel niveau ontwerpen waarbij elke deelnemer met een EMOTIV-headset kan meedoen, mits in overeenstemming met het experimentele ontwerp.
Er is ook een Software Development Kit (SDK) voor EMOTIV beschikbaar, zodat aangepaste apps, interacties of experimentele ontwerpen onderweg kunnen worden uitgevoerd met alleen de headset en smartphone.
Naarmate het aantal disciplines en commerciële markten dat neurowetenschappelijke tools en methodologieën omarmt toeneemt, worden EMOTIV’s goedkope, gebruiksvriendelijke EEG-systeem(systemen) ingezet in:
Neurowetenschappelijk onderzoek
Marketinginitiatieven voor gezondheid en welzijn
Auto-industrieën
Neuromarketing
Consumentenonderzoek
Onderwijs
Entertainmentomgevingen
Bovendien kunnen onderzoekers, dankzij de kwaliteit, kosten en mogelijkheid om EMOTIV-headsets wereldwijd te verzenden, een diverse reeks gekwalificeerde deelnemers werven en includeren. Door de kwaliteitscontrolemetrics die de verwerkingssoftware evalueert, kunnen onderzoekers ook vertrouwen op het dataverzamelingsproces.
Tegen 2025 zal er elke dag ongeveer 463 exabyte aan nieuwe data op internet worden gecreëerd — een werkelijk onvoorstelbaar aantal. Deze data komt van alledaagse zaken zoals ~300 miljard e-mails of ~95 miljoen gedeelde foto’s. Deze items worden openlijk gedeeld met de bedoeling bekeken te worden. Het grootste deel van deze dagelijkse datastroom komt echter van minder bekende, meer alledaagse onderliggende elementen zoals metadata, locatiegegevens, interactielogs, gearchiveerde browsegeschiedenis en meer. Hoewel dit ogenschijnlijk oninteressant is, blijkt dat wanneer het in bulk wordt verzameld en geanalyseerd, in de loop van de tijd, het verbazingwekkend nauwkeurig kan zijn in het voorspellen van menselijke toestanden, d.w.z.:
Gezond vs. ziek.
Algemene activiteiten.
Slapen vs. sporten.
Toekomstig gedrag zoals potentiële aankopen of verkiezingsstemmen.
Als neurowetenschappers kunnen we deze data benutten om meer te leren over de menselijke geest. Het verhelderen van factoren die ten grondslag liggen aan menselijke activiteit en/of gedrag vormt immers de kern van neurowetenschappelijk onderzoek. Dit artikel biedt zeven manieren waarop externe dataverzameling neurowetenschappelijk onderzoek verbetert.
Neurowetenschappers gebruiken al decennialang technieken voor externe dataverzameling. Wat er de afgelopen jaren is veranderd, is:
Hoe ver “op afstand” werkelijk kan zijn.
Het aantal proefpersonen dat kan deelnemen.
Het type eindpunten dat in één enkel experiment kan worden gemeten en verwerkt.
Onderzoek is niet de enige toepassing voor externe dataverzameling en -toepassing. Recente vooruitgang in Virtual Reality (VR)-systemen heeft het laboratorium naar virtuele ruimtes gebracht. Medisch gezien maken deze vooruitgangen in VR-systemen voor neurowetenschappelijk onderzoek bijvoorbeeld gemakkelijker toegang mogelijk tot het uitvoeren van operaties op afstand over de hele wereld. In dit scenario blijft de VR-headset bij het operatieteam, zodat wanneer de chirurg arriveert, hij de kwaliteit kan zien van de bijna realtime videofeed die van de patiënt honderden kilometers verderop komt.
In kleinere situaties zou alleen video volstaan, maar met deze augmented reality combineren ze video met haptische feedback, zowel bij live operaties als bij educatieve/trainingsopdrachten in de chirurgie. Je zou kunnen zeggen dat dit lijkt op een trilfunctie op een gamecontroller, maar dan veel geavanceerder.
Zoals hieronder benadrukt, zijn er verschillende redenen (nou ja, minstens zeven) waarom een medisch proces, onderzoeker of neuromarketeer ervoor zou kiezen moderne technologie te gebruiken om wereldwijd, op afstand verzamelde data te verzamelen, verwerken en analyseren.
1. Het comfort en gemak van thuis
Gestreste proefpersonen zorgen voor gestreste data.
Het is algemeen erkend dat blootstelling aan stressfactoren vóór het uitvoeren van een gedragstest de vervolgens verzamelde data kan veranderen. Bovendien is herhaaldelijk aangetoond dat, naast acute effecten, omgevingsstressoren kunnen leiden tot langetermijneffecten. De beste hoop van wetenschappers is dergelijke externe variabelen te beperken, terwijl ze accepteren dat ze nooit volledig kunnen worden geëlimineerd. Als zodanig geldt: als alle proefpersonen identiek worden behandeld, worden ze in gelijke mate aan alle elementen blootgesteld.
Een mens die in zijn eigen huis wordt getest
Naar een dokterspraktijk rijden, je zorgen maken over kosten, een diagnose, het vinden van het juiste kantoor of of je wel legaal geparkeerd staat, zijn allemaal zeer reële stressfactoren. Stel je echter voor dat onderzoeksdataverzameling zo zou kunnen worden gedaan dat deze externe factoren worden vermeden, zoals in het comfort van je eigen huis. In dat geval zou de impact van stressvolle verplaatsingen de focus van de studie niet overschaduwen.
Dat gezegd hebbende, is het niet mogelijk om de effecten van externe krachten op onderzoekssubjecten volledig te isoleren of elimineren. De beste aanpak om stressoren te minimaliseren is alle proefpersonen bloot te stellen aan dezelfde omstandigheden met behulp van innovatieve maar gevalideerde apparatuur.
2. Overmacht
Wanneer een onvoorziene ramp toeslaat, moet je je gedrag aanpassen. Enter, COVID-19.
De afgelopen drie jaar zijn op alle vlakken verhelderend geweest door de wereldwijde COVID-19-pandemie. Soms zijn er gewoon buitengewone gebeurtenissen of omstandigheden buiten de controle van onderzoekers. Deze onvoorziene omstandigheden dwingen tot aanpassing aan nieuwe beperkingen.
De meest effectieve reclamecampagne bepalen met de best beschikbare technologie is voor kapitalisten een no-brainer. Feit is echter: de datakwaliteit van een proefpersoon is niet afhankelijk van diens nabijheid tot de onderzoeker. Daarom moet de kerntaak van de onderzoeker — het verzamelen van data van proefpersonen — zich aanpassen aan de momenteel beschikbare tools.
3. EverlyWell, Apple Watch & teleschirurgie
EverlyWell is een postorderdienst voor medische laboratoriumtesten die voorverpakte kits verzendt met eenvoudig te begrijpen instructies om doelwaarden te kwantificeren over meer dan 30 diagnostische tests. De Apple Watch haalde ook de krantenkoppen vanwege meldingen van hartritme-afwijkingen en valdetectie. Voor zowel EverlyWell als Apple is er zeer weinig twijfel geweest over het vermogen van hun producten om waarde toe te voegen met minder reizen en kosten voor de consumentenmarkt.
Met producten zoals deze en andere lijken we als samenleving biomedische data die lokaal wordt verzameld, op afstand verwerkt en correct gepresenteerd al te hebben geaccepteerd en vertrouwd. Of het nu gaat om ziektepreventie, mentaal welzijn, het bestrijden van ziekte of het behouden van een goed gebalanceerd lichaam, je wilt feedback krijgen en hopelijk beloond worden wanneer gezondheidsdoelen zijn bereikt. In de donkere dagen vóór internet, toen computers een hele kamer innamen, was het meten en bijhouden van je fitness-Key Performance Indicators (KPI) een volledig analoge onderneming. Dat is niet langer het geval. Daardoor rijpt de “quantified self”-beweging snel.
De meest gemonitorde KPI’s zijn onder meer:
Hartslag
Bloeddruk
Gewicht
Lengte
Slaapduur
Bewegingspatronen
Dit alles kan eenvoudig worden gekwantificeerd met de juiste sensor en basishardware. Het is algemeen bekend dat neurowetenschap en veel biomedische disciplines problemen met steekproefgrootte hebben. Bij het oplossen van dit probleem is de beste aanpak om extra proefpersonen toe te voegen in plaats van de kleinere groep geselecteerde proefpersonen te trainen omdat ze dichtbij zijn. Met het volledige scala aan op afstand meetbare KPI’s is dit een haalbare manier voor neurowetenschappelijk onderzoek om te bloeien en te overleven.
4. Meer inclusie en diversiteit van deelnemers
Wie is de WEIRD-groep, en waarom weten we juist over hen zoveel?
“Gedragswetenschappers publiceren routinematig brede claims over menselijke psychologie en gedrag in de toptijdschriften ter wereld op basis van steekproeven die volledig zijn getrokken uit Westerse, Opgeleide, Geïndustrialiseerde, Rijke en Democratische (WEIRD) samenlevingen.”
Het is een veelgehoord cliché dat de psychologie veel weet over witte studenten van collegeleeftijd, welvarende individuen, maar heel weinig over mensen in het algemeen.
Waarom?
Psychologische experimenten worden uitgevoerd op universiteitscampussen, en de inclusiecriteria voor proefpersonen reiken vaak niet veel verder dan nabijheid en beschikbaarheid overdag. Om conclusies te trekken over de bredere bevolking moeten steekproefgroepen voor psychologische experimenten meer individuen met diverse achtergronden omvatten. De sleutel tot dit probleem ligt in apparatuur voor externe dataverzameling, vooral apparatuur die is ontworpen voor consumenten om zelf te gebruiken.
5. Korte- en langetermijnkostenverlagingen
Moderne cloudplatforms hebben fysieke afstand irrelevant gemaakt.
Het gebruik van een tool voor externe dataverzameling bespaart geld op advertenties.
Gerandomiseerde steekproeven kosten meer dan gemakssteekproeven, bijvoorbeeld studenten, omdat je in de lokale gemeenschap moet adverteren voor onderzoekssubjecten. Simpel gezegd: adverteren kost geld.
Het gebruik van een tool voor externe dataverzameling bespaart geld op propriëtaire IT- en neuro-analyseapparatuur.
Vaak moeten individuele onderzoekslaboratoria betalen voor en hun eigen IT-apparatuur onderhouden, vooral als het gespecialiseerde hardware voor dataverzameling betreft. Natuurlijk verbetert technologie na verloop van tijd. In de tussentijd is het updaten van infrastructuur duur. Daarom kan toegang tot moderne cloudplatforms en goedkopere hardware voor dataverzameling het gebruik van middelen in neurowetenschappelijk onderzoek verminderen.
6. Fysiologie en gedrag kwantificeren is altijd al “op afstand” geweest
De afstand tussen sensorhardware en gegevensverwerkingssoftware is irrelevant.
Het begrijpen, voorspellen en herstellen van menselijk gedrag vormt de kern van het meeste academische onderzoek, vooral neurowetenschap. Gewoonlijk roept het idee van “gedragsdataverzameling” beelden op van wetenschappers in verdacht smetteloze labjassen die op afstand proefpersonen observeren met een klembord en stopwatch, terwijl ze af en toe iets noteren.
Dit is een eenvoudig idee, maar het zit vol met potentiële bronnen van onbekende variantie die de activiteit of het gedrag van een proefpersoon kunnen beïnvloeden. In wetenschappelijke experimenten is het doel om zoveel mogelijk van deze niet-verantwoorde variantie te elimineren. Deze praktijk is essentieel om op bewijs gebaseerde conclusies te trekken over de oorzaak wanneer een effect wordt waargenomen.
Hoe foutbronnen in neurowetenschappelijk onderzoek te verwijderen
De zoektocht naar het verwijderen van foutbronnen bij het kwantificeren van menselijke fysiologie en gedrag is voortdurend gaande. In de basis omvat dit doorgaans verbeteringen aan hardware die data van sensoren verzamelt, die vervolgens met analoge of digitale software wordt verwerkt om interessante elementen, trends of verschillen tussen of binnen proefpersonen te identificeren. Externe dataverzameling is krachtiger dan aanvankelijk werd aangenomen en kan diverse maar relevante datasets opleveren die voorspellende kracht aan het experiment toevoegen.
7. Machine learning biedt betere data
Data + metadata + machine learning (ML) = meest uitgebreide model van gedragsactiviteit.
Artificial-intelligence-modellen van wie je bent, waar je bent, wat je liefhebt en haat, worden allemaal gebruikt op een schaal waar velen zich niet van bewust zijn. Gelukkig is er in onze moderne markt commerciële neurowetenschappelijke dataverzamelingsapparatuur beschikbaar. Hun gebruik van data en advertentiemetadata zal waarschijnlijk resulteren in een meer omvattend begrip van gedrag dan wat in sterielere, geïsoleerde laboratoriumomgevingen zou kunnen worden verzameld.
In de kern worden verstrekte data (naam, locatie, geboortedatum) samengevoegd met onderliggende metadata (tijd op site, vorige site, exitsite), en dit heeft volledig nieuwe analysetechnieken ontketend die buitengewoon nuttig blijken voor het meten en voorspellen van menselijk gedrag.
Wil je meer leren? Maak kennis met EMOTIV
Door de bovenstaande technieken te belichten, hebben we aangetoond dat externe dataverzameling niet nieuw is en neurowetenschappelijk onderzoek blijft verbeteren naarmate technologische verbeteringen de markt bereiken. Gezien het tempo waarin “op afstand” zich heeft uitgebreid van aan de overkant van de gang, naar verderop in de straat, naar door het hele land en nu over de hele wereld, is het gemakkelijk om het ongemak van traditionele onderzoekers te begrijpen. Maar gezien de omvang van technische verbeteringen in consumenthardware en monumentale prestaties in cloudgebaseerde data-analyse en -verwerking, wordt de term “op afstand” al snel irrelevant voor de manier waarop data wordt verzameld.
Samengevat kunnen proefpersonen thuis data verzamelen zonder direct toezicht van het onderzoeksteam. Ze kunnen deze informatie over hun brein verzamelen voor persoonlijk gebruik, maar hebben ook de mogelijkheid hun EEG te uploaden of specifiek EEG te verzamelen voor uitgebreidere, doorlopende onderzoeksprojecten.
Opgericht in 2011, is EMOTIV een in San Francisco gevestigd bio-informaticabedrijf met als missie ons begrip van het menselijk brein te vergroten met behulp van aangepaste elektro-encefalografie (EEG)-hardware, analyse en visualisatie. EMOTIV’s benadering van EEG-onderzoek weerspiegelt meer de “echte wereld”-omstandigheden, omdat geteste individuen zich bevinden op locaties en in omgevingen die meer overeenkomen met hoe zij daadwerkelijk leven.
EMOTIV-headsets
EMOTIV INSIGHT
EMOTIV bedient een brede gemeenschap van gebruikers, van professionals tot individuen die simpelweg meer over hun brein willen leren. De EMOTIV INSIGHT 5-kanaals EEG-headset is ontworpen voor brain-computer interface (BCI). INSIGHT combineert een strak, eenvoudig op te zetten ontwerp met revolutionaire sensortechnologie.
EMOTIV EPOC X en EPOC Flex
De EMOTIV EPOC X en EPOC Flex bieden een 14-kanaals & 32-kanaals EEG-systeem. Ontworpen voor neurowetenschappelijk onderzoek in elke setting, zijn de EPOC-headsets draadloos met verbeterde sensortechnologie. Beide headsets zijn gevalideerd door onafhankelijke onderzoeksgroepen en bewezen hoogwaardige data van onderzoeksniveau te leveren.
Een volledige vergelijking van de technische mogelijkheden van EMOTIV’s EEG-systemen is beschikbaar ter inzage.
EMOTIV-technologie
We hebben een suite aan tools om elke stap van neurowetenschappelijk onderzoek onderweg te ondersteunen.
EmotivPRO-software stelt gebruikers in staat om proefresultaten te verwerken, analyseren en visualiseren. Onderzoekers kunnen ook experimenten op professioneel niveau ontwerpen waarbij elke deelnemer met een EMOTIV-headset kan meedoen, mits in overeenstemming met het experimentele ontwerp.
Er is ook een Software Development Kit (SDK) voor EMOTIV beschikbaar, zodat aangepaste apps, interacties of experimentele ontwerpen onderweg kunnen worden uitgevoerd met alleen de headset en smartphone.
Naarmate het aantal disciplines en commerciële markten dat neurowetenschappelijke tools en methodologieën omarmt toeneemt, worden EMOTIV’s goedkope, gebruiksvriendelijke EEG-systeem(systemen) ingezet in:
Neurowetenschappelijk onderzoek
Marketinginitiatieven voor gezondheid en welzijn
Auto-industrieën
Neuromarketing
Consumentenonderzoek
Onderwijs
Entertainmentomgevingen
Bovendien kunnen onderzoekers, dankzij de kwaliteit, kosten en mogelijkheid om EMOTIV-headsets wereldwijd te verzenden, een diverse reeks gekwalificeerde deelnemers werven en includeren. Door de kwaliteitscontrolemetrics die de verwerkingssoftware evalueert, kunnen onderzoekers ook vertrouwen op het dataverzamelingsproces.
Tegen 2025 zal er elke dag ongeveer 463 exabyte aan nieuwe data op internet worden gecreëerd — een werkelijk onvoorstelbaar aantal. Deze data komt van alledaagse zaken zoals ~300 miljard e-mails of ~95 miljoen gedeelde foto’s. Deze items worden openlijk gedeeld met de bedoeling bekeken te worden. Het grootste deel van deze dagelijkse datastroom komt echter van minder bekende, meer alledaagse onderliggende elementen zoals metadata, locatiegegevens, interactielogs, gearchiveerde browsegeschiedenis en meer. Hoewel dit ogenschijnlijk oninteressant is, blijkt dat wanneer het in bulk wordt verzameld en geanalyseerd, in de loop van de tijd, het verbazingwekkend nauwkeurig kan zijn in het voorspellen van menselijke toestanden, d.w.z.:
Gezond vs. ziek.
Algemene activiteiten.
Slapen vs. sporten.
Toekomstig gedrag zoals potentiële aankopen of verkiezingsstemmen.
Als neurowetenschappers kunnen we deze data benutten om meer te leren over de menselijke geest. Het verhelderen van factoren die ten grondslag liggen aan menselijke activiteit en/of gedrag vormt immers de kern van neurowetenschappelijk onderzoek. Dit artikel biedt zeven manieren waarop externe dataverzameling neurowetenschappelijk onderzoek verbetert.
Neurowetenschappers gebruiken al decennialang technieken voor externe dataverzameling. Wat er de afgelopen jaren is veranderd, is:
Hoe ver “op afstand” werkelijk kan zijn.
Het aantal proefpersonen dat kan deelnemen.
Het type eindpunten dat in één enkel experiment kan worden gemeten en verwerkt.
Onderzoek is niet de enige toepassing voor externe dataverzameling en -toepassing. Recente vooruitgang in Virtual Reality (VR)-systemen heeft het laboratorium naar virtuele ruimtes gebracht. Medisch gezien maken deze vooruitgangen in VR-systemen voor neurowetenschappelijk onderzoek bijvoorbeeld gemakkelijker toegang mogelijk tot het uitvoeren van operaties op afstand over de hele wereld. In dit scenario blijft de VR-headset bij het operatieteam, zodat wanneer de chirurg arriveert, hij de kwaliteit kan zien van de bijna realtime videofeed die van de patiënt honderden kilometers verderop komt.
In kleinere situaties zou alleen video volstaan, maar met deze augmented reality combineren ze video met haptische feedback, zowel bij live operaties als bij educatieve/trainingsopdrachten in de chirurgie. Je zou kunnen zeggen dat dit lijkt op een trilfunctie op een gamecontroller, maar dan veel geavanceerder.
Zoals hieronder benadrukt, zijn er verschillende redenen (nou ja, minstens zeven) waarom een medisch proces, onderzoeker of neuromarketeer ervoor zou kiezen moderne technologie te gebruiken om wereldwijd, op afstand verzamelde data te verzamelen, verwerken en analyseren.
1. Het comfort en gemak van thuis
Gestreste proefpersonen zorgen voor gestreste data.
Het is algemeen erkend dat blootstelling aan stressfactoren vóór het uitvoeren van een gedragstest de vervolgens verzamelde data kan veranderen. Bovendien is herhaaldelijk aangetoond dat, naast acute effecten, omgevingsstressoren kunnen leiden tot langetermijneffecten. De beste hoop van wetenschappers is dergelijke externe variabelen te beperken, terwijl ze accepteren dat ze nooit volledig kunnen worden geëlimineerd. Als zodanig geldt: als alle proefpersonen identiek worden behandeld, worden ze in gelijke mate aan alle elementen blootgesteld.
Een mens die in zijn eigen huis wordt getest
Naar een dokterspraktijk rijden, je zorgen maken over kosten, een diagnose, het vinden van het juiste kantoor of of je wel legaal geparkeerd staat, zijn allemaal zeer reële stressfactoren. Stel je echter voor dat onderzoeksdataverzameling zo zou kunnen worden gedaan dat deze externe factoren worden vermeden, zoals in het comfort van je eigen huis. In dat geval zou de impact van stressvolle verplaatsingen de focus van de studie niet overschaduwen.
Dat gezegd hebbende, is het niet mogelijk om de effecten van externe krachten op onderzoekssubjecten volledig te isoleren of elimineren. De beste aanpak om stressoren te minimaliseren is alle proefpersonen bloot te stellen aan dezelfde omstandigheden met behulp van innovatieve maar gevalideerde apparatuur.
2. Overmacht
Wanneer een onvoorziene ramp toeslaat, moet je je gedrag aanpassen. Enter, COVID-19.
De afgelopen drie jaar zijn op alle vlakken verhelderend geweest door de wereldwijde COVID-19-pandemie. Soms zijn er gewoon buitengewone gebeurtenissen of omstandigheden buiten de controle van onderzoekers. Deze onvoorziene omstandigheden dwingen tot aanpassing aan nieuwe beperkingen.
De meest effectieve reclamecampagne bepalen met de best beschikbare technologie is voor kapitalisten een no-brainer. Feit is echter: de datakwaliteit van een proefpersoon is niet afhankelijk van diens nabijheid tot de onderzoeker. Daarom moet de kerntaak van de onderzoeker — het verzamelen van data van proefpersonen — zich aanpassen aan de momenteel beschikbare tools.
3. EverlyWell, Apple Watch & teleschirurgie
EverlyWell is een postorderdienst voor medische laboratoriumtesten die voorverpakte kits verzendt met eenvoudig te begrijpen instructies om doelwaarden te kwantificeren over meer dan 30 diagnostische tests. De Apple Watch haalde ook de krantenkoppen vanwege meldingen van hartritme-afwijkingen en valdetectie. Voor zowel EverlyWell als Apple is er zeer weinig twijfel geweest over het vermogen van hun producten om waarde toe te voegen met minder reizen en kosten voor de consumentenmarkt.
Met producten zoals deze en andere lijken we als samenleving biomedische data die lokaal wordt verzameld, op afstand verwerkt en correct gepresenteerd al te hebben geaccepteerd en vertrouwd. Of het nu gaat om ziektepreventie, mentaal welzijn, het bestrijden van ziekte of het behouden van een goed gebalanceerd lichaam, je wilt feedback krijgen en hopelijk beloond worden wanneer gezondheidsdoelen zijn bereikt. In de donkere dagen vóór internet, toen computers een hele kamer innamen, was het meten en bijhouden van je fitness-Key Performance Indicators (KPI) een volledig analoge onderneming. Dat is niet langer het geval. Daardoor rijpt de “quantified self”-beweging snel.
De meest gemonitorde KPI’s zijn onder meer:
Hartslag
Bloeddruk
Gewicht
Lengte
Slaapduur
Bewegingspatronen
Dit alles kan eenvoudig worden gekwantificeerd met de juiste sensor en basishardware. Het is algemeen bekend dat neurowetenschap en veel biomedische disciplines problemen met steekproefgrootte hebben. Bij het oplossen van dit probleem is de beste aanpak om extra proefpersonen toe te voegen in plaats van de kleinere groep geselecteerde proefpersonen te trainen omdat ze dichtbij zijn. Met het volledige scala aan op afstand meetbare KPI’s is dit een haalbare manier voor neurowetenschappelijk onderzoek om te bloeien en te overleven.
4. Meer inclusie en diversiteit van deelnemers
Wie is de WEIRD-groep, en waarom weten we juist over hen zoveel?
“Gedragswetenschappers publiceren routinematig brede claims over menselijke psychologie en gedrag in de toptijdschriften ter wereld op basis van steekproeven die volledig zijn getrokken uit Westerse, Opgeleide, Geïndustrialiseerde, Rijke en Democratische (WEIRD) samenlevingen.”
Het is een veelgehoord cliché dat de psychologie veel weet over witte studenten van collegeleeftijd, welvarende individuen, maar heel weinig over mensen in het algemeen.
Waarom?
Psychologische experimenten worden uitgevoerd op universiteitscampussen, en de inclusiecriteria voor proefpersonen reiken vaak niet veel verder dan nabijheid en beschikbaarheid overdag. Om conclusies te trekken over de bredere bevolking moeten steekproefgroepen voor psychologische experimenten meer individuen met diverse achtergronden omvatten. De sleutel tot dit probleem ligt in apparatuur voor externe dataverzameling, vooral apparatuur die is ontworpen voor consumenten om zelf te gebruiken.
5. Korte- en langetermijnkostenverlagingen
Moderne cloudplatforms hebben fysieke afstand irrelevant gemaakt.
Het gebruik van een tool voor externe dataverzameling bespaart geld op advertenties.
Gerandomiseerde steekproeven kosten meer dan gemakssteekproeven, bijvoorbeeld studenten, omdat je in de lokale gemeenschap moet adverteren voor onderzoekssubjecten. Simpel gezegd: adverteren kost geld.
Het gebruik van een tool voor externe dataverzameling bespaart geld op propriëtaire IT- en neuro-analyseapparatuur.
Vaak moeten individuele onderzoekslaboratoria betalen voor en hun eigen IT-apparatuur onderhouden, vooral als het gespecialiseerde hardware voor dataverzameling betreft. Natuurlijk verbetert technologie na verloop van tijd. In de tussentijd is het updaten van infrastructuur duur. Daarom kan toegang tot moderne cloudplatforms en goedkopere hardware voor dataverzameling het gebruik van middelen in neurowetenschappelijk onderzoek verminderen.
6. Fysiologie en gedrag kwantificeren is altijd al “op afstand” geweest
De afstand tussen sensorhardware en gegevensverwerkingssoftware is irrelevant.
Het begrijpen, voorspellen en herstellen van menselijk gedrag vormt de kern van het meeste academische onderzoek, vooral neurowetenschap. Gewoonlijk roept het idee van “gedragsdataverzameling” beelden op van wetenschappers in verdacht smetteloze labjassen die op afstand proefpersonen observeren met een klembord en stopwatch, terwijl ze af en toe iets noteren.
Dit is een eenvoudig idee, maar het zit vol met potentiële bronnen van onbekende variantie die de activiteit of het gedrag van een proefpersoon kunnen beïnvloeden. In wetenschappelijke experimenten is het doel om zoveel mogelijk van deze niet-verantwoorde variantie te elimineren. Deze praktijk is essentieel om op bewijs gebaseerde conclusies te trekken over de oorzaak wanneer een effect wordt waargenomen.
Hoe foutbronnen in neurowetenschappelijk onderzoek te verwijderen
De zoektocht naar het verwijderen van foutbronnen bij het kwantificeren van menselijke fysiologie en gedrag is voortdurend gaande. In de basis omvat dit doorgaans verbeteringen aan hardware die data van sensoren verzamelt, die vervolgens met analoge of digitale software wordt verwerkt om interessante elementen, trends of verschillen tussen of binnen proefpersonen te identificeren. Externe dataverzameling is krachtiger dan aanvankelijk werd aangenomen en kan diverse maar relevante datasets opleveren die voorspellende kracht aan het experiment toevoegen.
7. Machine learning biedt betere data
Data + metadata + machine learning (ML) = meest uitgebreide model van gedragsactiviteit.
Artificial-intelligence-modellen van wie je bent, waar je bent, wat je liefhebt en haat, worden allemaal gebruikt op een schaal waar velen zich niet van bewust zijn. Gelukkig is er in onze moderne markt commerciële neurowetenschappelijke dataverzamelingsapparatuur beschikbaar. Hun gebruik van data en advertentiemetadata zal waarschijnlijk resulteren in een meer omvattend begrip van gedrag dan wat in sterielere, geïsoleerde laboratoriumomgevingen zou kunnen worden verzameld.
In de kern worden verstrekte data (naam, locatie, geboortedatum) samengevoegd met onderliggende metadata (tijd op site, vorige site, exitsite), en dit heeft volledig nieuwe analysetechnieken ontketend die buitengewoon nuttig blijken voor het meten en voorspellen van menselijk gedrag.
Wil je meer leren? Maak kennis met EMOTIV
Door de bovenstaande technieken te belichten, hebben we aangetoond dat externe dataverzameling niet nieuw is en neurowetenschappelijk onderzoek blijft verbeteren naarmate technologische verbeteringen de markt bereiken. Gezien het tempo waarin “op afstand” zich heeft uitgebreid van aan de overkant van de gang, naar verderop in de straat, naar door het hele land en nu over de hele wereld, is het gemakkelijk om het ongemak van traditionele onderzoekers te begrijpen. Maar gezien de omvang van technische verbeteringen in consumenthardware en monumentale prestaties in cloudgebaseerde data-analyse en -verwerking, wordt de term “op afstand” al snel irrelevant voor de manier waarop data wordt verzameld.
Samengevat kunnen proefpersonen thuis data verzamelen zonder direct toezicht van het onderzoeksteam. Ze kunnen deze informatie over hun brein verzamelen voor persoonlijk gebruik, maar hebben ook de mogelijkheid hun EEG te uploaden of specifiek EEG te verzamelen voor uitgebreidere, doorlopende onderzoeksprojecten.
Opgericht in 2011, is EMOTIV een in San Francisco gevestigd bio-informaticabedrijf met als missie ons begrip van het menselijk brein te vergroten met behulp van aangepaste elektro-encefalografie (EEG)-hardware, analyse en visualisatie. EMOTIV’s benadering van EEG-onderzoek weerspiegelt meer de “echte wereld”-omstandigheden, omdat geteste individuen zich bevinden op locaties en in omgevingen die meer overeenkomen met hoe zij daadwerkelijk leven.
EMOTIV-headsets
EMOTIV INSIGHT
EMOTIV bedient een brede gemeenschap van gebruikers, van professionals tot individuen die simpelweg meer over hun brein willen leren. De EMOTIV INSIGHT 5-kanaals EEG-headset is ontworpen voor brain-computer interface (BCI). INSIGHT combineert een strak, eenvoudig op te zetten ontwerp met revolutionaire sensortechnologie.
EMOTIV EPOC X en EPOC Flex
De EMOTIV EPOC X en EPOC Flex bieden een 14-kanaals & 32-kanaals EEG-systeem. Ontworpen voor neurowetenschappelijk onderzoek in elke setting, zijn de EPOC-headsets draadloos met verbeterde sensortechnologie. Beide headsets zijn gevalideerd door onafhankelijke onderzoeksgroepen en bewezen hoogwaardige data van onderzoeksniveau te leveren.
Een volledige vergelijking van de technische mogelijkheden van EMOTIV’s EEG-systemen is beschikbaar ter inzage.
EMOTIV-technologie
We hebben een suite aan tools om elke stap van neurowetenschappelijk onderzoek onderweg te ondersteunen.
EmotivPRO-software stelt gebruikers in staat om proefresultaten te verwerken, analyseren en visualiseren. Onderzoekers kunnen ook experimenten op professioneel niveau ontwerpen waarbij elke deelnemer met een EMOTIV-headset kan meedoen, mits in overeenstemming met het experimentele ontwerp.
Er is ook een Software Development Kit (SDK) voor EMOTIV beschikbaar, zodat aangepaste apps, interacties of experimentele ontwerpen onderweg kunnen worden uitgevoerd met alleen de headset en smartphone.
Naarmate het aantal disciplines en commerciële markten dat neurowetenschappelijke tools en methodologieën omarmt toeneemt, worden EMOTIV’s goedkope, gebruiksvriendelijke EEG-systeem(systemen) ingezet in:
Neurowetenschappelijk onderzoek
Marketinginitiatieven voor gezondheid en welzijn
Auto-industrieën
Neuromarketing
Consumentenonderzoek
Onderwijs
Entertainmentomgevingen
Bovendien kunnen onderzoekers, dankzij de kwaliteit, kosten en mogelijkheid om EMOTIV-headsets wereldwijd te verzenden, een diverse reeks gekwalificeerde deelnemers werven en includeren. Door de kwaliteitscontrolemetrics die de verwerkingssoftware evalueert, kunnen onderzoekers ook vertrouwen op het dataverzamelingsproces.
