Alzheimer’s sjukdom är en neurodegenerativ sjukdom som leder till demens. Den kan börja tyst i de tidiga stadierna och fortsätta under åren till en allvarlig och obotlig fas. Språkstörningar uppstår ofta som ett av de tidiga symptomen och kan till slut leda till fullständig mutism i de avancerade stadierna av sjukdomen. Därför är tal- och språkbaserad analys en lovande och icke-invasiv metod för att upptäcka Alzheimer’s sjukdom i dess tidiga stadier. Vårt mål är att använda maskininlärning för att jämföra informationmängden hos språkliga representationer i stora språkmodeller och förtränade akustiska representationer. Såvitt vi vet är detta första gången som GPT-3 och wav2vec2.0 har använts tillsammans för klassificering av Alzheimer’s sjukdom. Dessutom utnyttjade vi för första gången en kombination av två stora språkmodeller, GPT-3 och BERT, för denna specifika uppgift. Genom att utvärdera vår metod på två datamängder på engelska och svenska kan vi också belysa språkskillnaderna mellan dessa två språk. / Alzheimer’s disease is a neurodegenerative disease that leads to dementia. It can begin silently in the early stages and progresses over the years to a severe and incurable stage. Language impairment often emerges as one of the early symptoms and can eventually progress to complete mutism in advanced stages of the disease. As a result, speech processing is a promising and non-invasive approach for detecting Alzheimer’s disease in its early stages. Our objective is to compare the informativeness levels of linguistic embedding derived from large language models and pre-trained acoustic embedding extracted using wav2vec2.0, in a machine learning-based approach. To the best of our knowledge, this is the first time that fusing GPT-3 text embedding and wav2vec2.0 acoustic embedding has been explored for Alzheimer’s disease classification. In addition, we utilized a combination of two large language models, GPT-3 and BERT, for the first time on this specific task. By evaluating our method on two datasets in English and Swedish, we can also highlight the language differences between these two languages.

The number of dementia cases is increasing worldwide. Most research and development in this area is related to the prevention of dementia, and to the development of various prediction tools for dementia. The tools made available take most of the medical data into account while calculating risk scores, with only a small amount of non-medical data. There is a lot of data related to medical and non-medical risk factors available from various sources which can be retrieved and analysed in real time, but this is today not used in any risk score tool for risk score calculation. As part of the project Multimodal strategies to promote a healthy brain in ageing: Innovative evidence-based tools (MULTI-MODE), a new risk score is being developed to be used in a new ICT-based tool for dementia prediction. Identification of non-medical data and a good model to fill the gap between data available at the server and using this data in risk score calculation may help in increasing the predictability of tools. In this thesis, some of the existing risk factors for the prediction of dementia are described, and the importance of non-medical factors in calculating risk scores is discussed. Additional non-medical factors are identified that could be included in future versions of the risk score. A database design for storing risk score information efficiently is presented, as is an app structure that can be used at the server side to validate the user input and to increase the effectiveness of a prediction tool. / Antal demensfall ökar över hela världen. Forskning och utveckling inom detta område är relaterat till att förebygga demens och att utveckla olika prognosverktyg för demens. Flera tillgängliga verktyg tar hänsyn till medicinska data i beräkning av riskpoäng, med endast en liten mängd av icke-medicinska data. Det finns en hel del data om medicinska och icke-medicinska faktorer online, men de används idag inte för riskpoängberäkning. Som en del av projektet Multimodala strategier för att främja en frisk hjärna i åldrande: Innovativa evidensbaserade verktyg (MULTI-MODE), så har en ny metod utvecklats för att användas i ett nytt IT-baserat verktyg för demensförutsägelse. Identifiering av icke-medicinska data och en bra modell för att överbrygga gapet mellan tillgängliga data på servern och använda dessa data i riskberäkning kan bidra till att öka precisionen hos verktyg. I den här studien beskrivs en del befintliga riskfaktorer för förutsägelse av demens och vikten av icke-medicinska faktorer i beräkning av risk diskuteras. Ytterligare icke-medicinska faktorer identifieras som skulle kunna ingå i framtida versioner av riskverktyg (såsom appar). Vissa identifierade riskfaktorer har analyserats och visade att effekten av att införa icke-medicinska faktorer ökar precisionen i resultaten. En databasdesign för lagring av riskinformation på ett effektivt sätt presenteras, liksom en appstruktur som kan användas på serversidan för att validera några av de parametrar som kan öka effektiviteten av verktyget.

Syftet med denna studie är att undersöka hur professionella som är verksamma inom socialtjänst, äldrevård och HVB-hem arbetar med individer som visar tecken på kognitiv svikt, demens och alkoholmissbruk. Datainsamlingsmetoden utgjordes av semistrukturerade intervjuer. Sex (6) intervjuer genomfördes totalt och transkriberades sedan ordagrant. Det insamlade materialet analyserades sedan genom kvalitativ innehållsanalys. Det analyserade materialet tolkades sedan genom den socialekologiska systemteorin. Vissa delar av resultatet från intervjuerna visar att kunskapsbristen inom området skapar olika förutsättningar för arbetsgruppen. Andra delar visade även positiva och negativa exempel på samverkan mellan olika verksamheter. Dessutom visade resultatet även hur politiska beslut och avsaknaden av evidens kan orsaka förändrade förutsättningar för de professionellas arbete. Sammanfattningsvis visade resultaten vikten av samverkan i en kontext där klientens behov kan erbjudas av flera olika verksamheter. Dessutom visade även resultatet hur verksamheterna påverkas av både kunskapsbrister och svårigheter med att samla in evidens. Det kan även föreligga ett behov att reflektera över tidigare socialt arbete för att förstå hur framtidens sociala arbete eventuellt kan förbättras. / The purpose of this study is to examine how professional employees working at social work offices and care homes experience possible opportunities and obstacles while working with individuals showing signs of both cognitive impairment, dementia and the misuse of alcohol. The method of which the material was collected was through semi-structured interviews. In total, six (6) interviews were conducted and later transcribed verbatim. The material was compiled through qualitative content analysis. The compiled material was then later analysed through the social ecological systematic theory. Some of the contents provided through the interviews showed a lack of knowledge regarding the work surrounding the group mentioned above. Other parts of the interview showed both positive and negative examples within cooperation between multiple organisations. The contents also gave examples of how the work is affected by political decisions and also obstructed by the lack of evidence surrounding the group. In conclusion, the results showed how crucial cooperation can be in a context where the afflicted is in need of several instances of help from several different organisations. Moreover, the results also showed a lack in both knowledge and the acquiring of evidence. There may also be a need to reflect on earlier social work to see how future social work can be improved.

The growing numbers of people suffering from Alzheimer’s and other dementia related diseases are expected to accelerate, and the cost for these diseases in Swedish healthcare is high. There are many ongoing research projects in the dementia diagnostics field which aim to detect cognitive impairment at an earlier stage, which would result in reduced costs in healthcare and improved life quality for sufferers. This work aims to investigate if it is possible to classify cognitive impairment based on a person’s eye movements. More specifically, it will explore the possibility of automating an established picture description task that is widely used in traditional dementia diagnostics. In order to do this, eye tracking data was collected during numerous conductions of this task. The eye tracking data was then parsed in to eye movement features and Binary Logistic Regression was used to classify these eye movements. The results showed that the average accuracy of the classification reached 73%. The results did not confirm that eye tracking technique can be used to automate neuropsychological test with an accuracy high enough, but to use a machine learning approach for detecting deviances in eye movement patterns appears to be a promising approach. Furthermore, this work analyzes the possibilities for practically implementing eye tracking techniques in Swedish healthcare in order to detect cognitive impairment at an earlier stage. Provided that an eye tracker can detect cognitive impairment with an accuracy equal to or higher than a medical professional can maintain, the study argues that automated neuropsychological tests at health clinics could be the key to detect cognitive impairment at an earlier stage. / Antalet personer som lider av alzeimers och andra demensrelaterade sjukdomar förväntar att öka med accelerande fart och kostnaden for dessa sjukdomar för svensk sjukvård är hög. Det finns idag många pågående forskningsprojekt inom demensdiagnostik där man analyserar personers ögonrörelser för att kunna detektera kognitiva svårighetet i tidigt stadie. Forskningen görs för att minska på kostnaden och öka livskvaliten för de som insjuknar. Detta arbete syftar till att undersöka om det går att använda maskininlärning för att klassificera kognitiv svårighet baserat på en persons ögonrörelser. Mer konkret vill man undersöka om en automatisering av en etablerad bildbeskrivningsuppgift, som idag används flitigt inom demensdiagnotistik. Det har äarför samlats in data som representerar personers ögonrörelser under tider de utför olika demenstester. Med hjälp av datan har man sedan tagit fram olika synfunktioner och använt binär och logistisk regression för att klassifisera dessa ögonrörelser. Det genomsnittliga resultatet visade att modellen klassificerade rätt i 73% av fallen. Detta resultat kan inte bekräfta att denna teknik kan användas för att automatisera neuropsykologiskt tester med tillräckligt hög noggrannhet. Daremot ser det lovande ut att kunna ända maskininlärning för att detektera avvikelser i ögonrörelser, hos personer som lider av kognitiva svårigheter. Vidare analyseras också möjligheten att praktiskt implementera tekniken där man analysera ögonrörelser i svensk sjukvård. Resultatet visar att om det är m jligt att utforma en modell som diagnotiserar bättre än vad en professionell läkare gör, så går det att argumentera for att automatiska, neuropsykiska tester skulle kunna vara en nyckel för att detektera kognitiva svårigheter i tidigt stadie.

Normally swallowing occurs completely without effort. Should the act of swallowing for some reason be impaired, it becomes difficult to eat and drink. Dysphagia is the medical term for eating and swallowing disorders. Dysphagia is common in people with dementia, but the prevalence is not yet fully evaluated. The most common cause of death in people with dementia is aspiration pneumonia, which can be caused by dysphagia. In Sweden investigation and treatment of dysphagia are performed by speech and language pathologists (SLPs) but few of them work with dementia care. This study aims to identify the prevalence of dysphagia in people with dementia, living in a nursing home. The screening methods SSA-S and LtL were used to test the swallowing of 38 participants between 68-96 years of age (M = 86 years). To examine the participants’ oral health the risk assessment tool ROAG was used. When tested with the water swallowing test SSA-S 71,1% of the participants showed signs of aspiration, 36,8% had an oral transit time over 5 seconds, measured with LtL and 92% of the participants had an affected oral health, showing one or more symptoms of severity grade 2 according to ROAG. When adding up the results from the two screening tests a total of 86,8% of the participants showed signs of some kind of swallowing difficulty. Correlation analysis did not show any statistically significant correlations between SSA-S, oral transit time, oral health, or age. The present study found that there is a great need for interventions from speech and language pathologists in people with dementia. / Normalt sker sväljning helt utan ansträngning. Skulle sväljningen av någon anledning inte fungera som den ska, blir det svårt att äta och dricka. Den medicinska termen för ät- och sväljsvårigheter är dysfagi. Dysfagi är vanligt hos personer med demens men det är ännu inte helt kartlagt hur vanligt det är. Hos personer med demens är den vanligaste dödsorsaken aspirationspneumoni, vilket kan orsakas av dysfagi. I Sverige är det logopeder som utreder och behandlar dysfagi men det är få som är verksamma inom demensvården. Den här studien syftar till att kartlägga förekomst av dysfagi hos personer med demenssjukdom boende på ett vård- och omsorgsboende. Med screeningmetoderna SSA-S och LtL genomfördes undersökningar av sväljförmågan hos 38 personer mellan 68-96 års ålder (M = 86 år). För att undersöka deltagarnas munhälsa användes riskbedömningsverktyget ROAG. Av deltagarna fick 71,1 % utslag på vattensväljningstestet SSA-S, 36,8 % hade en oral transporttid över 5 sekunder, mätt med LtL och 92 % av deltagarna hade en nedsatt munhälsa med ett eller flera symptom av grad 2 i munhålan, enligt ROAG. Vid sammanräkning av resultaten från de två screeningtesten uppvisade totalt 86,8 % av deltagarna tecken på någon form av sväljsvårighet. Korrelationsberäkningar visade inga statistiskt signifikanta samband mellan resultat på SSA-S, oral transporttid, munhälsa eller ålder. Studien visar på ett stort behov av logopediska insatser hos gruppen personer med demenssjukdom.

Alzheimers sjukdom är en smygande neurodegenerativ demenssjukdom som främst drabbar äldre och som karakteriseras av uppkomsten av amyloidplack och neurofibriller i hjärnan. De vanligaste symptomen är demens, kognitiva problem, inbillningar och aggressivitet. Alzheimer förekommer i två olika former, presenil och senil alzheimer. Den fullständiga mekanismen bakom alzheimer är ännu okänd men två proteiner, beta-amyloid och tau, anses ligga bakom orsaken till alzheimer. Ett tredje inblandat protein som man funnit via genetisk analys är apolipoprotein E. Idag är alzheimer ett växande problem, detta i takt med att världens befolkning blir allt äldre. En problematik finns idag då den symptomatiska behandling som finns mot alzheimer anses vara otillräcklig, ett botemedel eftersträvas därför. Immunterapi är ett botemedel som man i framtiden hoppas kunna erbjuda, detta i form av ett aktivt eller passivt vaccin verksamt mot beta-amyloid. Forskning för att finna ett sådant pågår därför just nu. AN-1792 (aktivt vaccin), CAD106 (aktivt vaccin), Bapineuzumab (passivt vaccin) och Solanezumab (passivt vaccin) är fyra vaccin som har tagits fram och testats på människor. I de vaccinstudier som gjorts har motgångar stötts på men även framgångar gjorts. AN-1792 är det vaccin som visat sig vara effektivast men med svåra biverkningar medan CAD106 är det vaccin som visat sig vara mindre effektivt men säkrast. Bapineuzumab och Solanezumab visade sig däremot båda två vara overksamma. Då flera av de vaccin som framställts har varit verksamma mot amyloidplack anser forskare att ett framtida vaccin mot alzheimer är möjligt att framställa. / Alzheimer’s disease is an insidious neurodegenerative dementia disease that primarily affects elderly and is characterized by the formation of amyloid plaques and neurofibrillary tangles in the brain. The most common symptoms are dementia, cognitive problems, delusions, and aggressiveness. Alzheimer’s occurs in two forms, presenile and senile Alzheimer’s disease. The complete mechanism behind Alzheimer’s is still unknown but two proteins, beta-amyloid and tau, are considered to be behind the cause of Alzheimer’s. A third protein involved that was found through genetic analysis is apolipoprotein E. Today, Alzheimer’s is a growing problem as the world’s population is getting older. A complex of problems exists as the symptomatic treatment available against Alzheimer’s is considered to be insufficient; a cure is therefore aimed at. Immunotherapy is a cure that hopes can be offered, this in the form of an active or a passive vaccine effective against beta-amyloid. Research to find such a vaccine is therefore under progress right now. AN-1792 (active vaccine), CAD106 (active vaccine), Bapineuzumab (passive vaccine), and Solanezumab (passive vaccine) are four vaccines that have been developed and tested on humans. In the vaccine studies that have been done setbacks have been encountered but also successes have been made. AN-1792 is the vaccine proved to be effective but with severe side effects while CAD106 is the vaccine proved to be less effective but safer. Both Bapineuzumab and Solanezumab showed to be ineffective. Since several of the produced vaccines have been active against amyloid plaques scientists believes that a future vaccine against Alzheimer’s disease is possible to make.