resumo: Pesquisadores criaram um algoritmo novo, preciso e fácil de interpretar para prever comprometimento cognitivo leve e demência em idosos.
fonte: Universidade Columbia
Usando técnicas de aprendizado em grupo e dados longitudinais do grande Estudo de Direção Normal, pesquisadores da Escola de Saúde Pública Mailman da Universidade de Columbia, Faculdade de Engenharia e Ciências Aplicadas da Fundação Vu e Faculdade de Médicos e Cirurgiões de Vagelos desenvolveram um algoritmo novo, interpretável e altamente preciso para prever comprometimento cognitivo leve e demência em motoristas mais velhos.
Tags numéricas referem-se a variáveis criadas a partir de dados capturados por meio de dispositivos de gravação em um ambiente do mundo real. Esses dados podem ser processados para medir comportamento de direção, desempenho e padrão de cadência espacial com detalhes excepcionais.
O estudo foi publicado na revista Inteligência artificial na medicina.
Os pesquisadores usaram um método de classificação baseado em interação para selecionar as variáveis preditivas no conjunto de dados. Esse modelo de aprendizado alcançou até 96% de precisão na previsão de comprometimento cognitivo leve e demência, superando os modelos tradicionais de aprendizado de máquina, como regressão logística e florestas aleatórias – uma técnica estatística amplamente usada em inteligência artificial para classificação do estado da doença.
“Nosso novo modelo de aprendizado em grupo baseado em pontuações numéricas e características demográficas básicas pode prever comprometimento cognitivo leve e demência em motoristas mais velhos com excelente precisão”, disse Sharon D, professor associado de engenharia civil e mecânica de engenharia na Columbia Engineering e principal autor do estudo. .
Os investigadores construíram uma variável de 200 unidades usando dados naturais do motorista, veículo e ambiente de condução capturados por dispositivos de gravação no veículo para 2.977 motoristas participantes do projeto Longitudinal Research on Older Older (LongROAD), um estudo de coorte prospectivo conduzido em cinco locais ao longo do território contíguo Estados Unidos e patrocinado pela AAA para segurança no trânsito.
No momento da inscrição, os participantes eram motoristas ativos com idades entre 65 e 79 anos e eram cognitivamente saudáveis. Os dados utilizados neste estudo são provenientes dos primeiros três anos de acompanhamento, de agosto de 2015 a março de 2019. Durante o acompanhamento, 36 participantes foram diagnosticados com comprometimento cognitivo leve, 8 com doença de Alzheimer e 17 com outra ou doença não especificada. demência
Os pesquisadores conduziram uma série de experimentos de modelagem de computador e descobriram que o novo modelo de aprendizado em grupo é 6 a 10% mais preciso do que os modelos de floresta aleatória e regressão logística na previsão de comprometimento cognitivo leve e demência.
As duas variáveis de direção mais influentes são a relação de conversão da direita para a esquerda e o número de eventos de frenagem brusca (definidos como manobras com taxas de desaceleração ≥ 0,4 g). observou D.
“Cerca de 85 por cento dos idosos nos Estados Unidos são motoristas licenciados. Como o meio de transporte pessoal preferido, dirigir desempenha um papel importante na manutenção da independência, autocontrole, sociabilidade e qualidade de vida. funções cognitivas e físicas.
disse Guohua Li, MD, DrPH, professor de epidemiologia e anestesiologia na Columbia Mailman School of Public Health e Vagelos College of Physicians and Surgeons, e autor sênior.
“A detecção precoce de comprometimento cognitivo leve e demência pode levar a avaliação, diagnóstico e intervenções oportunas, que são particularmente importantes na ausência de tratamentos eficazes”.
Sobre esta notícia de pesquisa de inteligência artificial e demência
autor: assessoria de imprensa
fonte: Universidade Columbia
comunicação: Assessoria de Imprensa – Universidade de Columbia
foto: A imagem é de domínio público
Pesquisa original: Acesso fechado.
“Triagem para comprometimento cognitivo leve e demência em idosos usando dados normais de direção e classificação baseada em interação do escore de afetoEscrito por Xuan Di et al. Inteligência artificial na medicina
um resumo
Veja também
Triagem para comprometimento cognitivo leve e demência em idosos usando dados normais de direção e classificação baseada em interação do escore de afeto
Vários estudos recentes indicam que mudanças atípicas nos comportamentos de direção parecem ser sinais precoces de comprometimento cognitivo leve (CCL) e demência. No entanto, esses estudos são limitados por amostras pequenas e tempo de acompanhamento curto.
Este estudo teve como objetivo desenvolver um método de classificação baseado em interação com base em uma estatística chamada pontuação de influência (ou seja, I-score) para prever comprometimento cognitivo leve e demência usando dados de direção normal coletados do projeto Longitudinal Research on Older Adults (LongROAD). As trajetórias normais de direção foram coletadas por meio de gravadores de veículos por até 44 meses de 2.977 participantes que eram cognitivamente saudáveis no momento da gravação. Esses dados foram posteriormente processados e agregados para gerar 31 variáveis temporais sequenciais de condução.
Por causa das propriedades de séries temporais de alta dimensão para direcionar variáveis, usamos um I-score para seleção de variáveis. A escala I é uma medida para avaliar a capacidade preditiva de variáveis e tem se mostrado eficaz na distinção entre variáveis ruidosas e preditivas em big data. É introduzido aqui para identificar unidades ou grupos de variáveis influentes que representam interações complexas entre variáveis explicativas. Pode ser interpretado em relação à medida em que as variáveis e suas interações contribuem para a previsão do classificador.
Além disso, o I-Score melhora o desempenho dos classificadores em conjuntos de dados não balanceados devido à sua associação com a pontuação F1. Usando as variáveis preditivas definidas pelo I-Score, blocos residuais baseados em interação são gerados sobre os módulos I-Score para gerar previsões e agregar esses agregados de aprendizado para aprimorar a previsão do classificador geral.
Testes usando dados de direção natural mostram que nosso método de classificação proposto alcança a melhor precisão (96%) para prever comprometimento cognitivo leve e demência, seguido por floresta aleatória (93%) e regressão logística (88%). Em termos de pontuação F1 e AUC, nosso classificador proposto atinge 98% e 87%, respectivamente, seguido por floresta aleatória (com pontuação F1 de 96% e AUC de 79%) e regressão logística (com pontuação F1 de 92 %) e uma AUC de 77%. ).
Os resultados indicam que incorporar um I-score em algoritmos de aprendizado de máquina pode melhorar significativamente o desempenho do modelo para prever comprometimento cognitivo leve (MCI) e demência em motoristas mais velhos.
Também executamos uma análise de importância de recursos e descobrimos isso Taxa de rotação da direita para a esquerda E O número de eventos de frenagem brusca são as variáveis de direção mais importantes que predizem comprometimento cognitivo leve (CCL) e demência.