Numerische Werte sind nahezu perfekt für die Vorhersage von Demenz

Zusammenfassung: Forscher haben einen neuen, genauen und einfach zu interpretierenden Algorithmus zur Vorhersage leichter kognitiver Beeinträchtigungen und Demenz bei älteren Menschen entwickelt.

Quelle: Universität von Columbia

Unter Verwendung von Gruppenlerntechniken und Längsschnittdaten aus der großen Studie zum normalen Fahren entwickelten Forscher der Mailman School of Public Health der Columbia University, des Vu Foundation College of Engineering and Applied Sciences und des Vagelos College of Physicians and Surgeons einen neuen, interpretierbaren und hochgenauen Algorithmus zur Vorhersage leichter kognitiver Beeinträchtigungen und Demenz bei älteren Fahrern.

Numerische Tags beziehen sich auf Variablen, die aus Daten erstellt wurden, die von Aufzeichnungsgeräten in einer realen Umgebung erfasst wurden. Diese Daten können verarbeitet werden, um das Fahrverhalten, die Leistung und das räumliche Kadenzmuster mit außergewöhnlichen Details zu messen.

Die Studie wurde in der Zeitschrift veröffentlicht Künstliche Intelligenz in der Medizin.

Die Forscher verwendeten eine interaktionsbasierte Klassifizierungsmethode, um die prädiktiven Variablen im Datensatz auszuwählen. Dieses Lernmodell erreichte eine Genauigkeit von bis zu 96 Prozent bei der Vorhersage leichter kognitiver Beeinträchtigungen und Demenz und übertraf damit traditionelle maschinelle Lernmodelle wie logistische Regression und Random Forests – eine statistische Technik, die in der künstlichen Intelligenz zur Klassifizierung von Krankheitszuständen weit verbreitet ist.

„Unser neues Gruppenlernmodell, das auf numerischen Ergebnissen und demografischen Basismerkmalen basiert, kann leichte kognitive Beeinträchtigungen und Demenz bei älteren Fahrern mit ausgezeichneter Genauigkeit vorhersagen“, sagte Sharon D, außerordentliche Professorin für Bauingenieurwesen und technische Mechanik bei Columbia Engineering und Hauptautorin der Studie .

Die Ermittler konstruierten eine 200-Einheiten-Variable unter Verwendung natürlicher Fahrer-, Fahrzeug- und Umgebungsfahrdaten, die von fahrzeuginternen Aufzeichnungsgeräten für 2.977 Fahrer erfasst wurden, die am Projekt „Longitudinal Research on Older Older“ (LongROAD) teilnahmen, einer prospektiven Kohortenstudie, die an fünf Standorten in den angrenzenden Gebieten durchgeführt wurde Vereinigten Staaten und gesponsert von AAA für Verkehrssicherheit.

Zum Zeitpunkt der Einschreibung waren die Teilnehmer aktive Fahrer im Alter zwischen 65 und 79 Jahren und waren kognitiv gesund. Die in dieser Studie verwendeten Daten stammen aus den ersten drei Jahren des Follow-up, das von August 2015 bis März 2019 lief. Während des Follow-up wurde bei 36 Teilnehmern eine leichte kognitive Beeinträchtigung, bei 8 eine Alzheimer-Krankheit und bei 17 eine weitere diagnostiziert oder nicht näher bezeichnete Krankheit. Demenz

Die Forscher führten eine Reihe von Computermodellierungsexperimenten durch und stellten fest, dass das neue Gruppenlernmodell bei der Vorhersage leichter kognitiver Beeinträchtigungen und Demenz um 6 bis 10 Prozent genauer ist als Zufallsforst- und logistische Regressionsmodelle.

Die beiden einflussreichsten Fahrvariablen sind das Rechts-Links-Drehverhältnis und die Anzahl der Vollbremsungen (definiert als Manöver mit Verzögerungswerten ≥ 0,4 g). D notiert.

„Etwa 85 Prozent der Senioren in den Vereinigten Staaten sind lizenzierte Fahrer. Als bevorzugtes persönliches Fortbewegungsmittel spielt das Autofahren eine wichtige Rolle bei der Aufrechterhaltung von Unabhängigkeit, Selbstbeherrschung, Geselligkeit und Lebensqualität. Der sichere Betrieb eines Kraftfahrzeugs erfordert Grundkenntnisse kognitive und körperliche Funktionen.

sagte Guohua Li, MD, DrPH, Professor für Epidemiologie und Anästhesiologie an der Columbia Mailman School of Public Health und dem Vagelos College of Physicians and Surgeons und leitender Autor.

„Die Früherkennung einer leichten kognitiven Beeinträchtigung und Demenz kann zu einer rechtzeitigen Bewertung, Diagnose und Intervention führen, was besonders wichtig ist, wenn wirksame Behandlungen fehlen.“

Über diese künstliche Intelligenz und Neuigkeiten aus der Demenzforschung

Autor: Pressebüro
Quelle: Universität von Columbia
Kommunikation: Pressestelle – Columbia University
Bild: Das Bild ist gemeinfrei

Ursprüngliche Suche: Geschlossener Zugang.
„Screening auf leichte kognitive Beeinträchtigung und Demenz bei älteren Menschen unter Verwendung normaler Fahrdaten und interaktionsbasierter Klassifizierung des AffektwertsGeschrieben von Xuan Di et al. Künstliche Intelligenz in der Medizin

eine Zusammenfassung

Siehe auch  Leistungsstarke Radiopulse entstehen tief in der Sondenmaterie des Universums, die um Galaxien herum verborgen ist

Siehe auch

Screening auf leichte kognitive Beeinträchtigung und Demenz bei älteren Menschen unter Verwendung normaler Fahrdaten und interaktionsbasierter Klassifizierung des Affektwerts

Mehrere neuere Studien weisen darauf hin, dass atypische Veränderungen im Fahrverhalten frühe Anzeichen einer leichten kognitiven Beeinträchtigung (MCI) und Demenz zu sein scheinen. Diese Studien sind jedoch durch kleine Stichprobenumfänge und kurze Nachbeobachtungszeit begrenzt.

Diese Studie zielte darauf ab, eine interaktionsbasierte Klassifizierungsmethode zu entwickeln, die auf einer Statistik basiert, die als Einflusswert (d. h. I-Wert) bezeichnet wird, um leichte kognitive Beeinträchtigungen und Demenz vorherzusagen, wobei normale Fahrdaten verwendet werden, die im Rahmen des Projekts Longitudinal Research on Older Adults (LongROAD) gesammelt wurden. Normale Fahrbahnen wurden von 2977 Teilnehmern, die zum Zeitpunkt der Aufzeichnung kognitiv gesund waren, bis zu 44 Monate lang mit fahrzeuginternen Aufzeichnungsgeräten erfasst. Diese Daten wurden weiter verarbeitet und aggregiert, um 31 zeitlich sequentielle Fahrvariablen zu generieren.

Aufgrund der Eigenschaften hochdimensionaler Zeitreihen für treibende Variablen haben wir einen I-Score für die Variablenauswahl verwendet. Die I-Skala ist ein Maß zur Beurteilung der Vorhersagefähigkeit von Variablen und hat sich als effektiv bei der Unterscheidung zwischen verrauschten und prädiktiven Variablen in Big Data erwiesen. Es wird hier eingeführt, um Einheiten oder Gruppen von Einflussvariablen zu identifizieren, die komplexe Wechselwirkungen zwischen erklärenden Variablen darstellen. Es kann in Bezug auf das Ausmaß interpretiert werden, in dem Variablen und ihre Wechselwirkungen zur Klassifikatorvorhersage beitragen.

Darüber hinaus verbessert I-Score die Leistung von Klassifikatoren bei unausgeglichenen Datensätzen aufgrund seiner Verbindung mit dem F1-Score. Unter Verwendung der durch den I-Score definierten Vorhersagevariablen werden über den I-Score-Modulen interaktionsbasierte Restblöcke generiert, um Vorhersagen zu generieren und diese Lernaggregate zu aggregieren, um die Vorhersage des Gesamtklassifikators zu verbessern.

Versuche mit Daten zum natürlichen Fahren zeigen, dass unsere vorgeschlagene Klassifizierungsmethode die beste Genauigkeit (96 %) für die Vorhersage leichter kognitiver Beeinträchtigungen und Demenz erreicht, gefolgt von Random Forest (93 %) und logistischer Regression (88 %). In Bezug auf einen F1-Score und eine AUC erreicht unser vorgeschlagener Klassifikator 98 % bzw. 87 %, gefolgt von Random Forest (mit einem F1-Score von 96 % und einer AUC von 79 %) und der logistischen Regression (mit einem F1-Score von 92 %) und eine AUC von 77 %. ).

Die Ergebnisse zeigen, dass die Einbeziehung eines I-Scores in maschinelle Lernalgorithmen die Leistung des Modells zur Vorhersage einer leichten kognitiven Beeinträchtigung (MCI) und Demenz bei älteren Fahrern erheblich verbessern kann.

Wir haben auch eine Funktionswichtigkeitsanalyse durchgeführt und dies herausgefunden Rotationsverhältnis von rechts nach links Und Die Anzahl der Vollbremsungen sind die wichtigsten treibenden Variablen, die eine leichte kognitive Beeinträchtigung und Demenz vorhersagen.