Οι αριθμητικές βαθμολογίες είναι σχεδόν τέλειες για την πρόβλεψη της άνοιας

περίληψη: Οι ερευνητές δημιούργησαν έναν νέο, ακριβή και εύκολο στην ερμηνεία αλγόριθμο για την πρόβλεψη της ήπιας γνωστικής έκπτωσης και της άνοιας στους ηλικιωμένους.

πηγή: Πανεπιστήμιο Κολούμπια

Χρησιμοποιώντας τεχνικές ομαδικής μάθησης και διαχρονικά δεδομένα από τη μεγάλη μελέτη Normal Driving, ερευνητές στο Mailman School of Public Health του Πανεπιστημίου Columbia, στο Vu Foundation College of Engineering and Applied Sciences και στο Vagelos College of Physicians and Surgeons ανέπτυξαν έναν νέο, ερμηνεύσιμο και εξαιρετικά ακριβή αλγόριθμο. για την πρόβλεψη ήπιας γνωστικής έκπτωσης και άνοιας σε ηλικιωμένους οδηγούς.

Οι αριθμητικές ετικέτες αναφέρονται σε μεταβλητές που δημιουργούνται από δεδομένα που συλλέγονται μέσω συσκευών εγγραφής σε πραγματικό περιβάλλον. Αυτά τα δεδομένα μπορούν να υποβληθούν σε επεξεργασία για τη μέτρηση της οδηγικής συμπεριφοράς, της απόδοσης και του χωρικού ρυθμού με εξαιρετική λεπτομέρεια.

Η μελέτη έχει δημοσιευθεί στο περιοδικό Τεχνητή νοημοσύνη στην ιατρική.

Οι ερευνητές χρησιμοποίησαν μια μέθοδο ταξινόμησης με βάση την αλληλεπίδραση για να επιλέξουν τις προγνωστικές μεταβλητές στο σύνολο δεδομένων. Αυτό το μοντέλο μάθησης πέτυχε έως και 96 τοις εκατό ακρίβεια στην πρόβλεψη ήπιας γνωστικής έκπτωσης και άνοιας, ξεπερνώντας τα παραδοσιακά μοντέλα μηχανικής μάθησης, όπως η λογιστική παλινδρόμηση και τα τυχαία δάση – μια στατιστική τεχνική που χρησιμοποιείται ευρέως στην τεχνητή νοημοσύνη για την ταξινόμηση της κατάστασης ασθενειών.

«Το νέο μας μοντέλο ομαδικής μάθησης που βασίζεται σε αριθμητικές βαθμολογίες και βασικά δημογραφικά χαρακτηριστικά μπορεί να προβλέψει ήπια γνωστική εξασθένηση και άνοια σε ηλικιωμένους οδηγούς με εξαιρετική ακρίβεια», δήλωσε η Sharon D, αναπληρώτρια καθηγήτρια Πολιτικών Μηχανικών και Μηχανικών Μηχανικών στην Columbia Engineering και επικεφαλής συγγραφέας της μελέτης. .

Οι ερευνητές κατασκεύασαν μια μεταβλητή 200 μονάδων χρησιμοποιώντας φυσικά δεδομένα οδήγησης οδηγού, οχήματος και περιβάλλοντος που καταγράφηκαν από συσκευές καταγραφής εντός του οχήματος για 2.977 οδηγούς που συμμετείχαν στο έργο Longitudinal Research on Older Older (LongROAD), μια προοπτική μελέτη κοόρτης που διεξήχθη σε πέντε τοποθεσίες σε όλη τη συνέχεια. Ηνωμένες Πολιτείες και χορηγείται από την AAA για την ασφάλεια της κυκλοφορίας.

Κατά τη στιγμή της εγγραφής, οι συμμετέχοντες ήταν ενεργοί οδηγοί ηλικίας 65-79 ετών και ήταν γνωστικά υγιείς. Τα δεδομένα που χρησιμοποιήθηκαν σε αυτή τη μελέτη προήλθαν από τα τρία πρώτα χρόνια παρακολούθησης, η οποία διήρκεσε από τον Αύγουστο του 2015 έως τον Μάρτιο του 2019. Κατά τη διάρκεια της παρακολούθησης, 36 συμμετέχοντες διαγνώστηκαν με ήπια γνωστική εξασθένηση, 8 με νόσο του Αλτσχάιμερ και 17 με άλλη ή απροσδιόριστη ασθένεια. άνοια

Οι ερευνητές διεξήγαγαν μια σειρά πειραμάτων μοντελοποίησης υπολογιστή και διαπίστωσαν ότι το νέο μοντέλο ομαδικής μάθησης είναι 6-10 τοις εκατό πιο ακριβές από τα μοντέλα τυχαίας δασικής και λογιστικής παλινδρόμησης στην πρόβλεψη ήπιας γνωστικής έκπτωσης και άνοιας.

Οι δύο μεταβλητές οδήγησης με τη μεγαλύτερη επιρροή είναι η αναλογία στροφής από δεξιά προς τα αριστερά και ο αριθμός των γεγονότων σκληρού φρεναρίσματος (που ορίζονται ως ελιγμοί με ρυθμούς επιβράδυνσης ≥ 0,4 g). επεσήμανε ο Δ.

“Περίπου το 85 τοις εκατό των ηλικιωμένων στις Ηνωμένες Πολιτείες είναι οδηγοί με άδεια οδήγησης. Ως το πιο προτιμώμενο μέσο προσωπικής μεταφοράς, η οδήγηση παίζει σημαντικό ρόλο στη διατήρηση της ανεξαρτησίας, του αυτοελέγχου, της κοινωνικότητας και της ποιότητας ζωής. Η ασφαλής λειτουργία ενός μηχανοκίνητου οχήματος απαιτεί βασικές γνωστικές και σωματικές λειτουργίες.

είπε ο Guohua Li, MD, DrPH, καθηγητής επιδημιολογίας και αναισθησιολογίας στο Columbia Mailman School of Public Health και το Vagelos College of Physicians and Surgeons, και ανώτερος συγγραφέας.

«Η έγκαιρη ανίχνευση ήπιας γνωστικής έκπτωσης και άνοιας μπορεί να οδηγήσει σε έγκαιρη αξιολόγηση, διάγνωση και παρεμβάσεις, οι οποίες είναι ιδιαίτερα εμφανείς απουσία αποτελεσματικών θεραπειών».

Σχετικά με αυτές τις ειδήσεις έρευνας για την τεχνητή νοημοσύνη και την άνοια

συγγραφέας: γραφείο Τύπου
πηγή: Πανεπιστήμιο Κολούμπια
επικοινωνία: Γραφείο Τύπου – Πανεπιστήμιο Κολούμπια
εικόνα: Η εικόνα είναι δημόσια

Αρχική αναζήτηση: Κλειστή πρόσβαση.
“Έλεγχος για ήπια γνωστική εξασθένηση και άνοια σε ηλικιωμένους με χρήση δεδομένων κανονικής οδήγησης και ταξινόμησης της βαθμολογίας επηρεασμού βάσει αλληλεπίδρασηςΓράφτηκε από τους Xuan Di et al. Τεχνητή νοημοσύνη στην ιατρική

μια περίληψη

Δείτε επίσης

Έλεγχος για ήπια γνωστική εξασθένηση και άνοια σε ηλικιωμένους με χρήση δεδομένων κανονικής οδήγησης και ταξινόμησης της βαθμολογίας επηρεασμού βάσει αλληλεπίδρασης

Αρκετές πρόσφατες μελέτες δείχνουν ότι οι άτυπες αλλαγές στις συμπεριφορές οδήγησης φαίνεται να είναι πρώιμα σημάδια ήπιας γνωστικής εξασθένησης (MCI) και άνοιας. Ωστόσο, αυτές οι μελέτες περιορίζονται από μικρά μεγέθη δειγμάτων και σύντομο χρόνο παρακολούθησης.

Αυτή η μελέτη στόχευε να αναπτύξει μια μέθοδο ταξινόμησης με βάση την αλληλεπίδραση που βασίζεται σε μια στατιστική που ονομάζεται βαθμολογία επιρροής (δηλαδή, βαθμολογία I) για την πρόβλεψη ήπιας γνωστικής εξασθένησης και άνοιας χρησιμοποιώντας δεδομένα κανονικής οδήγησης που συλλέχθηκαν από το έργο Longitudinal Research on Older Adults (LongROAD). Οι κανονικές τροχιές οδήγησης συλλέχθηκαν μέσω καταγραφέων εντός του οχήματος για έως και 44 μήνες από 2977 συμμετέχοντες που ήταν γνωστικά υγιείς τη στιγμή της εγγραφής. Αυτά τα δεδομένα υποβλήθηκαν σε περαιτέρω επεξεργασία και συγκεντρώθηκαν για να δημιουργηθούν 31 χρονικές διαδοχικές μεταβλητές οδήγησης.

Λόγω των ιδιοτήτων των χρονοσειρών υψηλών διαστάσεων για την οδήγηση μεταβλητών, χρησιμοποιήσαμε μια βαθμολογία I για την επιλογή μεταβλητών. Η κλίμακα I είναι ένα μέτρο για την αξιολόγηση της προγνωστικής ικανότητας των μεταβλητών και έχει αποδειχθεί αποτελεσματική στη διάκριση μεταξύ θορυβωδών και προγνωστικών μεταβλητών σε μεγάλα δεδομένα. Εισάγεται εδώ για να προσδιορίσει τις επηρεαζόμενες μεταβλητές μονάδες ή ομάδες που αντιπροσωπεύουν σύνθετες αλληλεπιδράσεις μεταξύ επεξηγηματικών μεταβλητών. Μπορεί να ερμηνευθεί σε σχέση με τον βαθμό στον οποίο οι μεταβλητές και οι αλληλεπιδράσεις τους συμβάλλουν στην πρόβλεψη του ταξινομητή.

Επιπλέον, το I-Score ενισχύει την απόδοση των ταξινομητών σε μη ισορροπημένα σύνολα δεδομένων λόγω της συσχέτισής του με τη βαθμολογία F1. Χρησιμοποιώντας τις μεταβλητές πρόβλεψης που ορίζονται από το I-Score, τα υπολειμματικά μπλοκ που βασίζονται στην αλληλεπίδραση δημιουργούνται πάνω από τα δομοστοιχεία I-Score για τη δημιουργία προβλέψεων και τη συγκέντρωση αυτών των αθροιστικών μαθησιακών στοιχείων για τη βελτίωση της πρόβλεψης του συνολικού ταξινομητή.

Πειράματα που χρησιμοποιούν δεδομένα φυσικής οδήγησης δείχνουν ότι η προτεινόμενη μέθοδος ταξινόμησης επιτυγχάνει την καλύτερη ακρίβεια (96%) για την πρόβλεψη ήπιας γνωστικής εξασθένησης και άνοιας, ακολουθούμενη από τυχαίο δάσος (93%) και λογιστική παλινδρόμηση (88%). Όσον αφορά τη βαθμολογία F1 και την AUC, ο προτεινόμενος ταξινομητής μας επιτυγχάνει 98% και 87%, αντίστοιχα, ακολουθούμενο από τυχαίο δάσος (με βαθμολογία F1 96% και AUC 79%) και λογιστική παλινδρόμηση (με βαθμολογία F1 92 %) και AUC 77%. ).

Τα αποτελέσματα δείχνουν ότι η ενσωμάτωση ενός I-score σε αλγόριθμους μηχανικής μάθησης μπορεί να βελτιώσει σημαντικά την απόδοση του μοντέλου για την πρόβλεψη ήπιας γνωστικής εξασθένησης (MCI) και άνοιας σε ηλικιωμένους οδηγούς.

Πραγματοποιήσαμε επίσης μια ανάλυση σημασίας χαρακτηριστικών και το ανακαλύψαμε Αναλογία περιστροφής από τα δεξιά προς τα αριστερά Και Ο αριθμός των συμβάντων σκληρού φρεναρίσματος είναι οι πιο σημαντικές κινητήριες μεταβλητές που προβλέπουν ήπια γνωστική εξασθένηση (MCI) και άνοια.