7 sposobów, w jakie zdalne zbieranie danych poprawia badania neuronauki

Do 2025 roku codziennie w Internecie zostanie utworzonych około 463 eksabajtów nowych danych - liczba naprawdę nie do wyobrażenia. Dane te pochodzą z powszechnych przedmiotów, takich jak ~300 miliardów e-maili lub ~95 milionów udostępnionych zdjęć. Te przedmioty są otwarcie udostępniane i mają być wyświetlane. Jednak większość tego codziennego zalewu danych pochodzi z mniej znanych, bardziej prozaicznych elementów podpowierzchniowych, takich jak metadane, dane lokalizacyjne, logi interakcji, archiwalna historia przeglądania i inne. Choć wydają się nieciekawe, okazuje się, że gdy są zbierane i analizowane hurtowo, w czasie, mogą być niesamowicie dokładne w przewidywaniu stanów ludzkich, tj.:

• Zdrowy vs. chory.

• Ogólne aktywności.

• Sen vs. ćwiczenia.

• Przyszłe zachowania, takie jak potencjalne zakupy lub głosy w wyborach.

Jako neurolodzy, możemy wykorzystać te dane, aby lepiej zrozumieć ludzki umysł. W końcu odkrywanie czynników leżących u podstaw ludzkiej aktywności i/lub zachowania jest podstawą badań w dziedzinie neuronauki. Niniejszy artykuł przedstawia siedem sposobów, w jakie zdalne zbieranie danych poprawia badania neuronaukowe.

Neurobiolodzy stosują techniki zdalnego zbierania danych od dziesięcioleci. Co zmieniło się w ostatnich latach, to:

• Właściwie jak daleko „zdalnie” może być.

• Liczba uczestników, którzy mogą wziąć udział.

• Rodzaj punktów końcowych, które mogą być mierzone i przetwarzane w jednym eksperymencie.

Badania nie są jedynym zastosowaniem zdalnego zbierania danych i ich zastosowania. Ostatnie osiągnięcia w systemach wirtualnej rzeczywistości (VR) przeniosły laboratorium wirtualnie. Na przykład, z medycznego punktu widzenia, te osiągnięcia w systemach VR dla badań neuronaukowych umożliwiają łatwiejszy dostęp do przeprowadzania zdalnych operacji na całym świecie. W tym scenariuszu zestaw słuchawkowy VR pozostaje z zespołem operacyjnym, aby, gdy chirurg przychodzi, mógł zobaczyć jakość prawie rzeczywistego przekazu wideo pochodzącego od pacjenta setki mil dalej.

W mniejszych sytuacjach, użycie samego wideo wystarczyłoby, ale z tę rzeczywistością rozszerzoną, łączą wideo z informacjami zwrotnymi wibracyjnymi zarówno w operacjach na żywo, jak i w edukacyjnych/przeszkoleniowych zadaniach chirurgicznych. Można powiedzieć, że jest to podobne do paska drgań w kontrolerze gry, ale znacznie bardziej zaawansowane.

Jak podkreślono poniżej, istnieje kilka powodów (cóż, przynajmniej siedem), dla których proces medyczny, badacz lub neuromarketer wybierze użycie nowoczesnej technologii do zbierania, przetwarzania i analizowania globalnych, zdalnie zbieranych danych.

1. Wygoda i komfort domu

Stresowani uczestnicy generują stresowane dane.

Jest powszechnie uznawane, że ekspozycja na czynniki stresujące przed przystąpieniem do testu behawioralnego może zmienić później zebrane dane. Co więcej, wielokrotnie udowodniono, że oprócz efektów krótkoterminowych, stresory środowiskowe mogą powodować długoterminowe skutki. Najlepszą nadzieją naukowców jest złagodzenie takich zewnętrznych zmiennych, akceptując jednocześnie, że nigdy nie można ich całkowicie wyeliminować. W związku z tym, jeśli każdy z uczestników jest traktowany identycznie, są oni równomiernie narażeni na wszystkie elementy.

Człowiek testowany we własnym domu

Podróż do gabinetu lekarskiego, martwienie się o koszty, diagnozę, znalezienie odpowiedniego biura lub czy zaparkowałeś legalnie, to bardzo realne stresory. Jednak, jeśli zbieranie danych badawczych mogłoby być przeprowadzane w celu unikania tych czynników zewnętrznych, jak w komforcie własnego domu, wówczas wpływ stresującej podróży nie przyćmiłby głównego celu badania.

To powiedziawszy, nie można całkowicie izolować ani eliminować skutków sił zewnętrznych na uczestników badania. Najlepszym podejściem do minimalizacji stresorów jest narażenie wszystkich uczestników na te same okoliczności przy użyciu nowoczesnego, ale zweryfikowanego sprzętu.

2. Siła wyższa

Kiedy nieprzewidziana katastrofa uderza, musisz dostosować swoje zachowanie. Wchodzi COVID-19.

Ostatnie trzy lata były oczyszczające na wielu płaszczyznach z powodu globalnej pandemii COVID-19. Czasami są po prostu nadzwyczajne wydarzenia lub okoliczności, które są poza kontrolą badaczy. Te nieprzewidziane okoliczności wymuszają dostosowanie do nowych ograniczeń.

Określenie najskuteczniejszej kampanii reklamowej przy użyciu najlepszej dostępnej technologii jest dla kapitalistów prostą sprawą. Jednak fakt jest taki: jakość danych uczestnika nie zależy od jego bliskości do badacza. Dlatego podstawowym zadaniem badacza zbierającego dane od uczestników powinno być dostosowanie się do narzędzi, które są obecnie dostępne.

3. EverlyWell, Apple Watch i telesurgery

EverlyWell to usługa medical laboratory testing dostępna na zamówienie, która wysyła zestawy wstępnie pakowane z łatwymi do zrozumienia instrukcjami do kwantyfikacji celów w ponad 30 testach diagnostycznych. Apple Watch również zdobył nagłówki za powiadomienie o nieprawidłowościach w rytmie serca i wykrywanie upadków. Zarówno dla EverlyWell, jak i Apple, nie ma wątpliwości co do zdolności ich produktów do dodawania wartości w przypadku mniejszych podróży i kosztów dla rynku konsumenckiego.

Dzięki takim produktom i innym, wydaje się, że jako społeczeństwo już zaakceptowaliśmy i zaufaliśmy lokalnie zbieranym danym biomedycznym, przetwarzanym zdalnie i właściwie prezentowanym. Czy to w celu zapobiegania chorobom, zdrowia psychicznego, zwalczania chorób czy utrzymania zrównoważonego ciała, chcesz otrzymywać informacje zwrotne i mieć nadzieję na nagrodzenie, gdy cele zdrowotne są osiągane. W ciemnych czasach przed Internetem, kiedy komputery zajmowały cały pokój, mierzenie i śledzenie Twoich Kluczowych Wskaźników Wydajności (KPI) było całkowicie analogowym przedsięwzięciem. To już nie jest sytuacja. W rezultacie ruch „kwantyfikowanej ja” szybko dojrzewa.

Najczęściej monitorowane KPI obejmują:

• Częstotliwość akcji serca

• Ciśnienie krwi

• Waga

• Wzrost

• Czas snu

• Wzorce ruchu

Wszystkie z nich mogą być łatwo kwantyfikowane przy użyciu odpowiedniego czujnika i podstawowego sprzętu. Powszechnie wiadomo, że neuronauka i wiele dyscyplin biomedycznych mają problemy z rozmiarem próbki. W próbując rozwiązać ten problem, najlepszym podejściem byłoby zwiększenie liczby uczestników, a nie szkolenie mniejszej grupy uczestników wybranych ze względu na bliskość. Dzięki pełnemu zakresowi zdalnie mierzalnych KPI, to jest realny sposób na rozwój i przetrwanie badań neuronaukowych.

4. Zwiększanie włączenia i różnorodności uczestników

Kto to grupa WEIRD i dlaczego wiemy o nich tak wiele?

„Naukowcy behawioralni regularnie publikują szerokie twierdzenia o psychologii i zachowaniu ludzi w najlepszych czasopismach na świecie na podstawie próbek pobranych całkowicie z Zachodnich, Wykształconych, Uprzemysłowionych, Bogatych i Demokratycznych (WEIRD) społeczeństw.”

To powszechna fraza, że psychologia wie dużo o białych, zamożnych osobach w wieku studenckim, ale bardzo mało o ludziach ogólnie.

Dlaczego?

Eksperymenty psychologiczne są przeprowadzane na kampusach uniwersyteckich, a kryteria włączenia uczestników nie są zbyt szerokie poza ich bliskością oraz dostępnością w ciągu dnia. Aby wyciągnąć wnioski o szerszej populacji, grupy próbne dla eksperymentów psychologicznych muszą obejmować więcej osób z różnych środowisk. Klucz do tego problemu leży w zdalnym sprzęcie do zbierania danych, zwłaszcza w sprzęcie zaprojektowanym do użycia przez konsumentów.

5. Krótkoterminowe i długoterminowe redukcje kosztów

Nowoczesne platformy chmurowe sprawiły, że odległość fizyczna jest nieistotna.

Użycie zdalnego narzędzia do zbierania danych oszczędza pieniądze na reklamach.

Losowe próby są droższe niż próby wygodne, np. studenci college'u, ponieważ musisz reklamować uczestników badania w lokalnej społeczności. Mówiąc prosto, reklama kosztuje pieniądze.

Użycie zdalnego narzędzia do zbierania danych oszczędza pieniądze na własnościowej technologii informacyjnej i sprzęcie do neuroanalizy.

Często poszczególne laboratoria badawcze muszą płacić za i utrzymywać własny sprzęt IT, zwłaszcza jeśli to specjalistyczny sprzęt do zbierania danych. Oczywiście z upływem czasu technologia się poprawia. W międzyczasie aktualizacja infrastruktury wiąże się z wysokimi kosztami. Z tego powodu dostęp do nowoczesnych platform chmurowych i tańszego sprzętu do zbierania danych może zmniejszyć użycie zasobów w badaniach neuronaukowych.

6. Kwantyfikacja fizjologii i zachowania zawsze była „zdalna”

Odległość między sprzętem czujnikowym a oprogramowaniem do przetwarzania danych jest nieistotna.

Zrozumienie, przewidywanie i leczenie ludzkiego zachowania leży w centrum większości badań akademickich, szczególnie w neuronauce. Zazwyczaj pojęcie „zbierania danych behawioralnych” przywodzi na myśl obrazy naukowców w podejrzanie nieskalanych lab coatach obserwujących uczestników z daleka z notatnikiem i stoperem, przepisujących od czasu do czasu.

To prosta idea, ale pełna potencjalnych źródeł nieznanej wariancji, które mogłyby wpływać na aktywność lub zachowanie uczestnika. W eksperymentach naukowych celem jest wyeliminowanie jak największej ilości tej nieodpowiedniej wariancji. Praktyka ta jest niezbędna, aby wyciągać wnioski oparte na dowodach o przyczynie, kiedy obserwuje się efekt.

Jak usunąć źródła błędów w badaniach neuronaukowych

Poszukiwanie usunięcia źródeł błędów podczas kwantyfikacji fizjologii i zachowania ludzkiego jest ciągłe. Na najprostszej podstawie zazwyczaj polega to na poprawie sprzętu, który zbiera dane z czujników, które są następnie przetwarzane przy użyciu analogu lub oprogramowania cyfrowego w celu zidentyfikowania elementów zainteresowania, trendów lub różnic pomiędzy lub wśród uczestników. Zdalne zbieranie danych jest potężniejsze niż początkowo zakładano i może dostarczać różnorodnych, ale istotnych zbiorów danych, które zwiększają predictive power eksperymentu.

7. Uczenie maszynowe oferuje lepsze dane

Dane + Metadane + Uczenie maszynowe (ML) = najbardziej kompleksowy model aktywności behawioralnej.

Modele sztucznej inteligencji, które definiują kim jesteś, gdzie jesteś, co kochasz i czego nienawidzisz, są używane na skalę, z której wielu nie zdaje sobie sprawy. Na szczęście na współczesnym rynku dostępne są komercyjne urządzenia do zbierania danych neuronaukowych. Ich wykorzystanie danych i metadanych z reklam prawdopodobnie przyniesie bardziej kompleksowe zrozumienie zachowania niż to, co można by zebrać w bardziej sterylnych, izolowanych warunkach laboratorium.

U podstaw, dostarczone dane (imię, lokalizacja, data urodzenia) są łączone z metadanymi podpowierzchniowymi (czas na stronie, poprzednia strona, strona wyjściowa) i uwolniły zupełnie nowe techniki analizy, które okazują się niezwykle użyteczne do pomiaru i przewidywania ludzkiego zachowania.

Czy chcesz dowiedzieć się więcej? Poznaj EMOTIV

W podkreśleniu powyższych technik, wykazaliśmy, że zdalne zbieranie danych nie jest nowe i wciąż doskonali badania neuronaukowe w miarę pojawiania się popraw w technologii na rynku. Biorąc pod uwagę tempo, w jakim „zdalne” rozszerzyło się z sąsiedniego pokoju na ulicę, do kraju, a teraz, po całym świecie, łatwo zrozumieć uczucia niepokoju odczuwane przez tradycyjnych badaczy. Jednak biorąc pod uwagę ogromne postępy techniczne w sprzęcie dla konsumentów oraz monumentalne osiągnięcia w analizie danych opartej na chmurze i przetwarzaniu, termin „zdalne” szybko staje się nieistotny w kontekście tego, jak gromadzi się dane.

Podsumowując, uczestnicy mogą zbierać dane w domu bez bezpośredniego nadzoru personelu badawczego. Mogą zbierać te informacje o swoim mózgu do użytku osobistego, ale mają także możliwość przesłania swojego EEG lub zbierania EEG specjalnie do bardziej obszernego, ciągłego projektu badawczego.

Założona w 2011 roku, EMOTIV jest firmą bioinformatyczną z siedzibą w San Francisco, której misją jest poszerzanie naszej wiedzy o ludzkim mózgu przy użyciu niestandardowego sprzętu do elektroencefalografii (EEG), analizy i wizualizacji. Podejście EMOTIV do badań EEG bardziej odpowiada „warunkom w rzeczywistym”, ponieważ osoby badane znajdują się w lokalizacjach i środowiskach, które są bardziej odzwierciedlające sposób, w jaki właściwie żyją swoje życie.

Słuchawki EMOTIV

EMOTIV INSIGHT

EMOTIV obsługuje szeroką społeczność użytkowników, od profesjonalistów po osoby, które chcą po prostu dowiedzieć się więcej o swoich mózgach. Zestaw słuchawkowy EEG EMOTIV INSIGHT o 5 kanałach jest zaprojektowany do interakcji mózg-komputer (BCI). Insight łączy elegancki łatwy w konfiguracji design z rewolucyjną technologią czujników.

EMOTIV EPOC X i EPOC Flex

Zestawy słuchawkowe EMOTIV EPOC X i EPOC Flex oferują system EEG o 14 i 32 kanałach. Zaprojektowane dla badań neuronaukowych w każdym otoczeniu, zestawy słuchawkowe EPOC są bezprzewodowe z ulepszoną technologią czujników. Oba zestawy słuchawkowe zostały zweryfikowane przez niezależne grupy badawcze i udowodniono, że dostarczają dane badawcze wysokiej jakości.

Kompletnym porównaniem technicznych możliwości systemów EEG EMOTIV można zapoznać się w recenzji.

Technologia EMOTIV

Mamy zestaw narzędzi wspierających każdy krok badań neuronaukowych.

Oprogramowanie EmotivPRO pozwala użytkownikom przetwarzać, analizować i wizualizować wyniki prób. Badacze mogą również projektować eksperymenty na poziomie profesjonalnym, w których każdy uczestnik z zestawem słuchawkowym EMOTIV może wziąć udział, jeśli jest zgodny z projektem eksperymentu.

Dostępny jest również zestaw do tworzenia oprogramowania (SDK) dla EMOTIV, dzięki czemu można wykonywać niestandardowe aplikacje, interakcje lub projekty eksperymentalne w podróży, korzystając tylko z zestawu słuchawkowego i smartfona.

W miarę jak liczba dziedzin i rynków komercyjnych przyjmujących narzędzia i metody neuronaukowe wzrasta, niskokosztowe i łatwe w użyciu system(y) EEG EMOTIV są używane w:

• Badaniach neuronaukowych

• Inicjatywach marketingowych zdrowia i wellness

• Przemyśle motoryzacyjnym

• Neuromarketingu

• Badaniach konsumenckich

• Edukacji

• Środowiskach rozrywkowych

Dodatkowo, dzięki jakości, kosztom i możliwości wysyłki zestawów słuchawkowych EMOTIV na całym świecie, badacze mogą rekrutować i zapisywać różnorodne grupy kwalifikowanych uczestników. Dzięki metrykom kontroli jakości, które oprogramowanie przetwarzające ocenia, badacze mogą również ufać procesowi zbierania danych.