Diagnostic Prediction of Attention-Deficit/Hyperactivity Disorder in Children Using AULA: A Virtual Reality-Based Continuous Performance Task

Het diagnosticeren van aandachtstekortstoornis met hyperactiviteit, of ADHD, leunt al lang op een combinatie van vragenlijsten ingevuld door ouders en leraren, naast gestandaardiseerde tests die kinderen vragen zich te concentreren op eenvoudige taken in een stille kamer. Hoewel deze methoden goed gevestigd zijn, hebben ze vaak moeite om de rommelige realiteit te vatten van hoe de aandacht van een kind in de echte wereld eigenlijk werkt. In een typische klas moet een leerling het geritsel van papier, het gefluister van een buurman en de beweging van mensen die voorbijlopen negeren, terwijl hij probeert te luisteren naar een leraar. Traditionele tests bootsen deze complexiteit zelden na, wat het moeilijk maakt om te zien hoe het brein van een kind met de constante drang van afleidingen omgaat. Bovendien kunnen de symptomen van ADHD van kind tot kind sterk verschillen, en wordt de aandoening vaak gedefinieerd door hoe zeer de focus van een kind van moment tot moment wankelt, in plaats van alleen door een enkele score op een test.

Om de kloof tussen de stille testkamer en de lawaaierige klas te overbruggen, zijn onderzoekers begonnen met het gebruik van virtual reality. Deze technologie stelt wetenschappers in staat om meeslepende, driedimensionale omgevingen te bouwen die echt aanvoelen voor de persoon die de headset draagt, maar die tegelijkertijd perfect gecontroleerd en meetbaar blijven. Door een kind in een gesimuleerde klas te plaatsen die gevuld is met realistische afleidingen, kunnen onderzoekers precies observeren hoe hun aandacht standhoudt wanneer de druk hoog is. Deze aanpak biedt een manier om gedrag te meten met een detailniveau dat voorheen onmogelijk was, waarbij niet alleen wordt vastgelegd of een kind een antwoord goed of fout had, maar ook hoe het lichaam bewoog, hoe lang het duurde voordat er werd gereageerd, en hoe de focus verschoof naarmate de omgeving veranderde.

Een recente studie door Fidel Rebón-Ortiz en Irene Alice Chicchi Giglioli, werkend met de organisatie Giunti Nesplora, heeft dit idee getest met behulp van een specifieke virtual reality-tool genaamd AULA. De onderzoekers wilden zien of ze deze meeslepende omgeving, gecombineerd met geavanceerde computeralgoritmen, konden gebruiken om kinderen met ADHD te onderscheiden van kinderen zonder ADHD. Ze rekruteerden een groep van 352 kinderen en tieners, in de leeftijd van 6 tot 16 jaar, waarbij ze zorgden voor een gelijk aantal deelnemers uit beide groepen. Elk kind in de studie had een normaal of gecorrigeerd normaal gezichtsvermogen en gehoor, en de groep met ADHD had een formele klinische diagnose ontvangen op basis van standaard medische criteria.

De kinderen zetten een virtual reality-headset op en betraden een digitale klas. Binnen deze simulatie kregen ze de opdracht om taken uit te voeren die het echte schoolwerk nabootsten, zoals aandacht schenken aan een virtuele leraar terwijl ze afleidingen zoals een klasgenoot die een briefje doorgeeft of fluistert, moesten negeren. Het systeem registreerde een enorme hoeveelheid gegevens terwijl de kinderen aan het werk waren, waarbij alles werd bijgehouden van hun reactietijden tot de kleine bewegingen van hun hoofd en handen. De onderzoekers waren vooral geïnteresseerd in hoe de kinderen presteerden wanneer afleidingen aanwezig waren in vergelijking met wanneer de omgeving stil was. Ze zochten naar patronen in de gegevens die de unieke signatuur van ADHD konden onthullen, zoals hoe meget de reactietijd van een kind van het ene moment naar het andere varieerde, of hoe vaak ze fouten maakten wanneer ze probeerden een afleiding te negeren.

Na het verzamelen van deze rijke stroom informatie, gebruikte het team een proces genaamd machine learning om de belangrijkste aanwijzingen te vinden. In plaats van naar slechts één of twee getallen te kijken, analyseerde de computer tientallen verschillende metingen om te zien welke het beste de twee groepen van elkaar scheidden. De onderzoekers vonden dat de meest veelzeggende tekenen niet alleen bepaalden hoe snel een kind kon antwoorden, maar hoe consistent ze waren. Kinderen met ADHD vertoonden veel meer instabiliteit in hun reactietijden, vooral wanneer ze probeerden afleidingen te negeren. Ze maakten ook aanzienlijk meer fouten van twee specifieke typen: ze misten doelen die ze hadden moeten raken, en ze drukten op knoppen wanneer ze stil hadden moeten blijven zitten, met name wanneer de virtuele klas vol geluid en beweging was.

De studie identificeerde 14 sleutelvariabelen die het meest nuttig waren voor het doen van een voorspelling. Dit omvatte maten van hoe de reactietijd van een kind fluctueerde, het aantal fouten gemaakt bij de aanwezigheid van afleidingen, en hoe ver de aandacht van de taak afdrifte. Wanneer de onderzoekers deze specifieke variabelen in verschillende computermodellen invoerden, waren de resultaten opmerkelijk. De modellen waren in staat de kinderen met een zeer hoge mate van nauwkeurigheid te classificeren, waarbij ze de groep waartoe een kind behoorde in meer dan 93 procent van de gevallen correct identificeerden. De best presterende modellen konden de twee groepen onderscheiden met een precisie die de typische methoden van traditioneel testen ver overtrof.

Een van de belangrijkste bevindingen was dat de aanwezigheid van afleidingen een enorm verschil maakte. De variabelen die het meest belangrijk waren, waren die gemeten wanneer de kinderen probeerden zich te concentreren in een lawaaierige, drukke omgeving. Dit ondersteunt een theorie dat ADHD niet slechts een statische eigenschap is, maar een conditie waarbij het vermogen van een persoon om zich te concentreren sterk wordt beïnvloed door de omgeving. Wanneer de omgeving eenvoudig en rustig is, kan een kind met ADHD vergelijkbaar presteren als zijn leeftijdsgenoten, maar wanneer de cognitieve belasting toeneemt en afleidingen verschijnen, wordt de aandacht onstabiel en faalt het vermogen om impulsen te beheersen. De studie toonde aan dat de virtual reality-omgeving in staat was om deze specifieke moeilijkheden te triggeren, waardoor de computer het probleem duidelijk kon zien.

De onderzoekers merkten ook op dat de computermodellen subtiele patronen konden oppikken die een menselijke waarnemer zou kunnen missen. Bijvoorbeeld, de modellen vonden dat de manier waarop een kind zijn lichaam bewoog in de virtuele ruimte, verbonden was met hun aandacht. In sommige gevallen leek de fysieke onrust van een kind op complexe wijze te interageren met hun vermogen om gefocust te blijven. Door de gegevens van de virtual reality-test te combineren met deze geavanceerde computerechnieken, toonde de studie aan dat het mogelijk is om een veel nauwkeuriger en objectiever beeld te krijgen van de aandacht van een kind.

Hoewel de resultaten veelbelovend zijn, benadrukken de auteurs voorzichtig dat dit een stap voorwaarts is in een grotere reis. De studie gebruikte een specifieke groep kinderen en omvatte niet alle mogelijke variaties van ADHD of andere aandoeningen die vaak samen voorkomen. De computermodellen die in de studie werden gebruikt zijn complex, en de onderzoekers erkennen dat artsen moeten begrijpen hoe deze modellen tot hun conclusies komen voordat ze breed in de klinische praktijk kunnen worden toegepast. Echter, het werk levert sterk bewijs dat het plaatsen van kinderen in realistische, afleidende omgevingen en het met hoge precisie meten van hun reacties, de kernuitdagingen van ADHD kan onthullen op een manier die traditionele tests niet kunnen.

Uiteindelijk suggereert dit onderzoek een nieuwe weg voor diagnose. Door weg te bewegen van subjectieve rapportages en eenvoudige tests, en toe te bewegen naar meeslepende, gegevensrijke omgevingen, kunnen clinici binnenkort hulpmiddelen hebben die de ware aard van de aandacht van een kind kunnen zien. De studie laat zien dat wanneer we de uitdagingen van de echte wereld van een klaslokaal recreëren, de verschillen tussen kinderen met ADHD en zij zonder ADHD duidelijk en meetbaar worden. Deze aanpak verbetert niet alleen de nauwkeurigheid van een diagnose; het biedt ook een dieper begrip van hoe aandacht werkt, hoe het onder druk bezwijkt, en hoe het ondersteund kan worden in de complexe, lawaaierige wereld waarin kinderen daadwerkelijk leven.