Используя методы ансамблевого обучения и лонгитюдные данные из большого исследования естественного вождения, исследователи из Школы общественного здравоохранения Mailman Колумбийского университета, Школы инженерии и прикладных наук Fu Foundation и Колледжа врачей и хирургов Vagelos разработали новый, интерпретируемый и высокоточный алгоритм. для прогнозирования легких когнитивных нарушений и деменции у пожилых водителей. Цифровые маркеры относятся к переменным, генерируемым из данных, полученных с помощью записывающих устройств в реальных условиях. Эти данные могут быть обработаны для измерения поведения вождения, производительности и пространственно-временной картины с исключительной детализацией. Исследование опубликовано в журнале Искусственный интеллект в медицине.
Исследователи использовали метод классификации на основе взаимодействия для выбора прогностических переменных в наборе данных. Эта модель обучения достигла 96-процентной точности в прогнозировании легких когнитивных нарушений и слабоумия, превосходя традиционные модели машинного обучения, такие как логистическая регрессия и случайные леса — статистический метод, широко используемый в ИИ для классификации статуса заболевания. «Наша новая модель ансамблевого обучения, основанная на цифровых маркерах и основных демографических характеристиках, может с высокой точностью прогнозировать легкие когнитивные нарушения и деменцию у пожилых водителей», — сказала Шарон Ди, доцент кафедры гражданского строительства и инженерной механики в Columbia Engineering и ведущий автор исследования.
Исследователи построили 200 переменных модулей, используя натуралистичные данные о вождении водителя, транспортного средства и окружающей среды, полученные с помощью бортовых записывающих устройств для 2977 водителей, участвующих в проекте «Продольное исследование старения водителей» (LongROAD) — проспективном когортном исследовании, проведенном в пяти странах. сайтов на территории Соединенных Штатов и спонсируется Фондом безопасности дорожного движения AAA. На момент регистрации участники были активными водителями в возрасте 65-79 лет, у которых не было когнитивных нарушений. Данные, использованные в этом исследовании, были получены за первые три года наблюдения, с августа 2015 года по март 2019 года. Во время наблюдения у 36 участников были диагностированы легкие когнитивные нарушения, у 8 — болезнь Альцгеймера и у 17 — другие или неуточненные слабоумие.
Исследователи провели серию экспериментов по компьютерному моделированию и обнаружили, что новая модель ансамблевого обучения на 6-10% точнее, чем случайные леса и модели логистической регрессии, в прогнозировании легких когнитивных нарушений и деменции. Двумя наиболее важными параметрами вождения являются соотношение поворотов вправо и влево и количество случаев резкого торможения (определяемых как маневры со скоростью замедления ≥ 0,4 g). «С возрастом водители делают относительно меньше левых поворотов и больше правых, потому что левые повороты более рискованны», — отмечает Ди.
«Около 85 процентов пожилых людей в Соединенных Штатах имеют водительские права. Будучи наиболее предпочтительным видом личного транспорта, вождение играет важную роль в поддержании независимости, самоконтроля, социальных связей и качества жизни. Безопасное управление автомобилем требует основные когнитивные и физические функции. Наше исследование показывает, что цифровые маркеры, встроенные в регулярно собираемые данные о вождении, могут использоваться с помощью инновационных методов машинного обучения в качестве действительного и надежного искусственного интеллекта для прогнозирования легких когнитивных нарушений и деменции», — сказал Гуохуа Ли, доктор медицинских наук, профессор. эпидемиологии и анестезиологии в Колумбийской школе общественного здравоохранения Мейлмана и Колледже врачей и хирургов Вагелоса, а также старший автор. «Раннее обнаружение легких когнитивных нарушений и деменции может привести к своевременной оценке, диагностике и вмешательствам, которые особенно важны в отсутствие эффективных терапевтических средств».
Соавторы: Carolyn DiGuiseppi, Колорадская школа общественного здравоохранения; Дэвид В. Эби, Институт транспортных исследований Мичиганского университета; Линда Хилл, Школа общественного здравоохранения Калифорнийского университета в Сан-Диего; Тельма Дж. Миленц, Колумбийская школа общественного здравоохранения им. Мейлмана; Дэвид Строгац, Исследовательский институт Бассетта; и Минджэ Ким, Колумбийский колледж врачей и хирургов Вагелос.
Исследование было частично поддержано Фондом безопасности дорожного движения AAA.
