新型AI算法预测轻度认知障碍和失智症

研究者开发了高精度的机器学习模型，用于早期检测老年驾驶员的轻度认知障碍和失智症。

2023年2月23日消息

利用集成学习技术和一项大型自然驾驶研究的纵向数据，哥伦比亚大学梅尔曼公共卫生学院（Columbia University  Mailman School of Public Health）、傅氏基金工程与应用科学学院（Fu Foundation School of Engineering and Applied Science）和哥伦比亚大学医学院（Vagelos College of Physicians and Surgeons）的研究人员开发了一种新颖、可解释且高度准确的算法，用于预测老年驾驶员的轻度认知障碍和失智症。数字标记是指在真实世界环境中通过记录设备捕获的数据产生的变量。这些数据可以被处理，以非常详细地测量驾驶行为、表现和时空模式。这项研究发表在《医学人工智能》（Artificial Intelligence in Medicine）杂志上。

研究人员使用基于交互的分类方法来选择数据集中的预测变量。 这种学习模型在预测轻度认知障碍和失智症方面的准确率达到了 96%，优于传统的机器学习模型，如逻辑回归和随机森林（一种广泛用于人工智能对疾病状态进行分类的统计技术）。“我们基于数字标记和基本人口统计特征的新集成学习模型可以非常准确地预测老年驾驶员的轻度认知障碍和失智症，”哥伦比亚工程学院土木工程和工程力学副教授、该研究的主要作者 Sharon Di 说。

研究人员使用车载记录设备捕获的有关驾驶员、车辆和环境的自然驾驶数据，为参与老年驾驶员纵向研究（Longitudinal Research on Aging Drivers， LongROAD）项目的 2,977 名驾驶员构建了 200 个变量模块，该项目是一项前瞻性队列研究，在五个国家进行 网站遍布美国本土，由 AAA 交通安全基金会资助。在登记时，参与者是 65-79 岁的活跃驾驶员，他们的认知能力完好无损。本研究使用的数据来自前三年的随访，从 2015 年 8 月到 2019 年 3 月。在随访期间，36 名参与者被诊断出患有轻度认知障碍，8 名患有阿尔茨海默病，17 名患有其他或未指明的失智症。

研究人员进行了一系列计算机建模实验，发现新的集成学习模型在预测轻度认知障碍和失智症方面比随机森林和逻辑回归模型准确 6-10%。两个最有影响力的驾驶变量是左右转弯比和紧急制动事件的数量。“随着年龄的增长，司机左转的次数相对减少，右转的次数增加，因为左转的风险更大，” Di 说。

在美国，大约 85% 的老年人持有驾照。作为最受欢迎的个人交通方式，驾驶在保持独立性、自我控制、社会联系和生活质量方面发挥着重要作用。安全驾驶汽车需要基本的认知和身体功能。我们的研究表明，通过创新的机器学习技术，可以将嵌入常规收集的驾驶数据中的数字标记用作预测轻度认知障碍和失智症的有效且可靠的人工智能。” 哥伦比亚梅尔曼公共卫生学院和哥伦比亚医学院的流行病学和麻醉学博士，资深作者李国华教授说，“及早发现轻度认知障碍和失智症可能会导致及时评估、诊断和干预，这在缺乏有效治疗方法的情况下尤为突出。”