数字标记近乎完美的预测痴呆

利用集成学习技术和纵向数据从一个大自然驾驶的研究中,哥伦比亚大学梅尔曼公共卫生学院的研究人员,傅基础工程和应用科学学院和瓦医生和外科医生学院已经开发出一种小说,解释和高度精确算法预测轻度认知损害和痴呆的老司机。

数字标记引用变量产生的数据通过录音设备在实际设置。可以处理这些数据来衡量驾驶行为,性能和tempo-spatial模式在特殊的细节。这项研究发表在《华尔街日报》人工智能在医学上。

研究人员使用一个基于交互分类方法选择预测变量的数据集。这种学习模式已经实现了96%的预测的准确性轻度认知障碍和痴呆,优于传统的机器学习模型等逻辑回归和随机forests-a统计技术广泛应用于人工智能分类疾病状态。

基于数字标记的“整体学习我们的新模型和基本人口学特征可以预测轻度认知损害和痴呆老司机的准确性,”莎朗·迪说,哥伦比亚大学副教授的土木工程和工程力学工程和该研究的主要作者。

调查人员建造200变量模块使用自然驾驶司机的数据,车辆和环境被车载记录装置对2977名司机参与纵向研究老龄司机(LongROAD)项目,5个网站进行的一项前瞻性队列研究在美国连续和由AAA交通安全的基础。

入学的时候,参与者是活跃的65 - 79岁的司机认知完好无损。数据用于这项研究来自于前三年的随访中,从2015年8月到2019年3月。在随访期间,36个参与者被诊断出患有轻度认知障碍,与阿尔茨海默病8,17与其他或未指明的痴呆症。

研究人员进行了一系列计算机模拟实验,发现新的整体学习模型是6 - 10百分比比随机森林和逻辑回归模型更能精确地预测轻度认知损害和痴呆。两个最有影响力的驱动变量是左转比例和硬制动事件的数量(定义为与减速动作率≥0.4克)。“随着年龄增长,司机左转和右转,因为离开了相对较少的风险,”Di指出。

“大约85%的老年人在美国被授权的司机。最喜欢的个人交通工具,开车中扮演一个重要的角色在维护独立、自我控制,社会联系,和生活质量。安全操作一辆车需要认知和生理功能至关重要。我们的研究表明,数字标记嵌入在定期收集驾驶数据可以通过使用创新的机器学习技术有效和可靠的人工智能预测轻度认知损害和痴呆,”李国华说认为,教授,哥伦比亚大学梅尔曼公共卫生学院的流行病学和麻醉学和瓦医生和外科医生学院和高级作者。

“早期发现轻度认知损害和痴呆可能导致及时评估、诊断和干预,尤其突出的缺乏有效的疗法。”