Een multidisciplinair onderzoeksproject met vooral expertise uit UGent en HOGENT – via de onderzoekscentra FTILab+ en CADS - werkt aan de ontwikkeling van een ‘slimme sok’ met sensoren die motorische gedragingen in kaart brengen die gelinkt kunnen worden aan autismekenmerken.
Hoe eerder kinderen met autisme worden gediagnosticeerd, hoe eerder aangepaste ondersteuning kan starten en hoe beter de uitkomsten in de ontwikkeling op lange termijn zijn. Aangezien repetitieve motorische gedragingen (zoals bv. op de tenen lopen, rond de eigen as draaien en hand- en vingerbewegingen) vroege kenmerken van autisme zijn, kan detectie van deze gedragingen in combinatie met moeilijkheden in de sociaal-communicatieve ontwikkeling, een snellere diagnose en ondersteuning mogelijk maken.
Maar zowel voor de hulpverleners als de ouders is het niet altijd mogelijk om deze subtiele motorische gedragingen in kaart te brengen. Daar is een doorgedreven monitoring voor nodig, die tot nog toe tijdsintensief en omslachtig is: het kind moet naar het ziekenhuis voor observatie, of moet thuis gemonitord worden op basis van videobeelden. Dat is zowel voor het kind en de ouders als voor de zorgverleners een tijdrovende bezigheid.
Daarnaast focust wetenschappelijk onderzoek over autisme zich doorgaans vooral op de moeilijkheden in sociaal-communicatieve vaardigheden en is er weinig kennis over repetitieve motorische gedragingen.
DANS
Om een meer objectieve, continue monitoring van deze motorische gedragingen mogelijk te maken, werkte een multidisciplinair onderzoeksteam een ‘slimme sok’ uit die de bewegingen van het kind detecteert via sensoren. Die genereren data die geanalyseerd en geïnterpreteerd worden.
Het project kreeg de naam ‘DANS: early Detection of Autism using an iNstrumented Sock’ mee en is een samenwerking tussen de HOGENT-onderzoekscentra FTILab+ en Centre for Applied Data Science (CADS), het Center for Microsystems Technology (CMST) van UGent/imec, en Research in Developmental Disorders Lab (RiDDL, onderdeel van de vakgroep Experimenteel-Klinische en Gezondheidspsychologie), eveneens binnen UGent. Het wordt gefinancierd via het Industrieel Onderzoeksfonds (IOF). Het onderzoek startte in juni 2022 en loopt tot mei 2024.
Sheilla Odhiambo is bij het onderzoek betrokken vanuit het FTILab+, dat de sok ontwikkelde. Ze legt uit: “Het grote voordeel is dat op lange termijn de monitoring van deze gedragingen gemakkelijker kan: het kind kan gewoon in zijn natuurlijke thuisomgeving blijven en moet niet naar een ziekenhuis of onderzoekslab. Daarnaast kan een kind eenvoudiger, zonder dat er telkens toezicht voor nodig is, voor een lange tijd geobserveerd worden.”
Textiel waarin sensoren zijn verwerkt, komt steeds vaker voor, bijvoorbeeld ook in sportcontext. Toch is een testfase altijd aangewezen, waarschuwt Sheilla: “Zijn de sensoren efficiënt? Is de sok comfortabel om te dragen? Dat zijn noodzakelijke voorwaarden om echt van start te gaan.”
Machine learning
De gegevens van de sensoren worden naar een app gestuurd. En daar komt de meerwaarde van onderzoekscentrum CADS tot uiting: de experten van het onderzoekscentrum zorgen ervoor dat de enorme hoeveelheid aan data die verzameld worden op een geautomatiseerde manier verwerkt worden. Voor die gegevensverwerking ontwikkelde CADS een AI-gebaseerd algoritme dat de bewegingen automatisch interpreteert en zo patronen herkent. Dankzij ‘machine learning’ kunnen op die manier verschillende gedragingen uit de dataset gedetecteerd worden. Bovendien ‘leert’ het softwaresysteem uit die gegevensverwerking, waardoor het accurater wordt naarmate het meer analyses doet.
Met de ‘slimme sok’ kunnen zo al op 2-3-jarige leeftijd indicaties van autisme-kenmerken ontdekt worden. “Voor alle duidelijkheid: de sok stelt geen diagnose van autisme”, nuanceert Sheilla. Het is aan de klinisch psychologen en andere specialisten om uit de analyse conclusies te trekken. De data die via de sensoren in de sok verzameld worden, kunnen wel een adequate indicatie geven over de specifieke repetitieve motorische gedragingen.”
Publicatiedatum: 30/03/2023