研究者開(kāi)發(fā)了高精度的機(jī)器學(xué)習(xí)模型，用于早期檢測(cè)老年駕駛員的輕度認(rèn)知障礙和失智癥。

哥倫比亞大學(xué)梅爾曼公共衛(wèi)生學(xué)院

2023年2月23日消息

利用集成學(xué)習(xí)技術(shù)和一項(xiàng)大型自然駕駛研究的縱向數(shù)據(jù)，哥倫比亞大學(xué)梅爾曼公共衛(wèi)生學(xué)院（Columbia University  Mailman School of Public Health）、傅氏基金工程與應(yīng)用科學(xué)學(xué)院（Fu Foundation School of Engineering and Applied Science）和哥倫比亞大學(xué)醫(yī)學(xué)院（Vagelos College of Physicians and Surgeons）的研究人員開(kāi)發(fā)了一種新穎、可解釋且高度準(zhǔn)確的算法，用于預(yù)測(cè)老年駕駛員的輕度認(rèn)知障礙和失智癥。數(shù)字標(biāo)記是指在真實(shí)世界環(huán)境中通過(guò)記錄設(shè)備捕獲的數(shù)據(jù)產(chǎn)生的變量。這些數(shù)據(jù)可以被處理，以非常詳細(xì)地測(cè)量駕駛行為、表現(xiàn)和時(shí)空模式。這項(xiàng)研究發(fā)表在《醫(yī)學(xué)人工智能》（Artificial Intelligence in Medicine）雜志上。

研究于2023年2月23日在線發(fā)表在《Artificial Intelligence in Medicine》（最新影響因子：7．011）雜志上

研究人員使用基于交互的分類方法來(lái)選擇數(shù)據(jù)集中的預(yù)測(cè)變量。 這種學(xué)習(xí)模型在預(yù)測(cè)輕度認(rèn)知障礙和失智癥方面的準(zhǔn)確率達(dá)到了 96％，優(yōu)于傳統(tǒng)的機(jī)器學(xué)習(xí)模型，如邏輯回歸和隨機(jī)森林（一種廣泛用于人工智能對(duì)疾病狀態(tài)進(jìn)行分類的統(tǒng)計(jì)技術(shù)）�！�我們基于數(shù)字標(biāo)記和基本人口統(tǒng)計(jì)特征的新集成學(xué)習(xí)模型可以非常準(zhǔn)確地預(yù)測(cè)老年駕駛員的輕度認(rèn)知障礙和失智癥，”哥倫比亞工程學(xué)院土木工程和工程力學(xué)副教授、該研究的主要作者 Sharon Di 說(shuō)。

研究人員使用車載記錄設(shè)備捕獲的有關(guān)駕駛員、車輛和環(huán)境的自然駕駛數(shù)據(jù)，為參與老年駕駛員縱向研究（Longitudinal Research on Aging Drivers， LongROAD）項(xiàng)目的 2，977 名駕駛員構(gòu)建了 200 個(gè)變量模塊，該項(xiàng)目是一項(xiàng)前瞻性隊(duì)列研究，在五個(gè)國(guó)家進(jìn)行 網(wǎng)站遍布美國(guó)本土，由 AAA 交通安全基金會(huì)資助。在登記時(shí)，參與者是 65－79 歲的活躍駕駛員，他們的認(rèn)知能力完好無(wú)損。本研究使用的數(shù)據(jù)來(lái)自前三年的隨訪，從 2015 年 8 月到 2019 年 3 月。在隨訪期間，36 名參與者被診斷出患有輕度認(rèn)知障礙，8 名患有阿爾茨海默病，17 名患有其他或未指明的失智癥。

研究人員進(jìn)行了一系列計(jì)算機(jī)建模實(shí)驗(yàn)，發(fā)現(xiàn)新的集成學(xué)習(xí)模型在預(yù)測(cè)輕度認(rèn)知障礙和失智癥方面比隨機(jī)森林和邏輯回歸模型準(zhǔn)確 6－10％。兩個(gè)最有影響力的駕駛變量是左右轉(zhuǎn)彎比和緊急制動(dòng)事件的數(shù)量�！�隨著年齡的增長(zhǎng)，司機(jī)左轉(zhuǎn)的次數(shù)相對(duì)減少，右轉(zhuǎn)的次數(shù)增加，因?yàn)樽筠D(zhuǎn)的風(fēng)險(xiǎn)更大，” Di 說(shuō)。

“在美國(guó)，大約 85％ 的老年人持有駕照。作為最受歡迎的個(gè)人交通方式，駕駛在保持獨(dú)立性、自我控制、社會(huì)聯(lián)系和生活質(zhì)量方面發(fā)揮著重要作用。安全駕駛汽車需要基本的認(rèn)知和身體功能。我們的研究表明，通過(guò)創(chuàng)新的機(jī)器學(xué)習(xí)技術(shù)，可以將嵌入常規(guī)收集的駕駛數(shù)據(jù)中的數(shù)字標(biāo)記用作預(yù)測(cè)輕度認(rèn)知障礙和失智癥的有效且可靠的人工智能。” 哥倫比亞梅爾曼公共衛(wèi)生學(xué)院和哥倫比亞醫(yī)學(xué)院的流行病學(xué)和麻醉學(xué)博士，資深作者李國(guó)華教授說(shuō)，“及早發(fā)現(xiàn)輕度認(rèn)知障礙和失智癥可能會(huì)導(dǎo)致及時(shí)評(píng)估、診斷和干預(yù)，這在缺乏有效治療方法的情況下尤為突出。”

創(chuàng)立于1922年的哥倫比亞大學(xué)梅爾曼公共衛(wèi)生學(xué)院

參考文獻(xiàn)

Source：Columbia University  Mailman School of Public Health

Digital Markers Near－Perfect for Predicting Dementia

Reference：

Xuan Di， Yiqiao Yin， Yongjie Fu， Zhaobin Mo， Shaw－Hwa Lo， Carolyn DiGuiseppi， David W． Eby， Linda Hill， Thelma J． Mielenz， David Strogatz， Minjae Kim， Guohua Li． Detecting mild cognitive impairment and dementia in older adults using naturalistic driving data and interaction－based classification from influence score． Artificial Intelligence in Medicine， 2023； 102510 DOI： 10．1016／j．a(chǎn)rtmed．2023．102510

免責(zé)聲明

本公眾號(hào)上的醫(yī)療信息僅作為信息資源提供與分享，不用于或依賴于任何診斷或治療目的。此信息不應(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前，請(qǐng)咨詢你的醫(yī)生。

       原文標(biāo)題 : 數(shù)字標(biāo)記在預(yù)測(cè)失智癥方面近乎完美