Desarrollo y precisión de la clasificación de una herramienta de detección cognitiva automatizada que combine la...

Área de la Ciencia:

• La neurociencia
• Lingüística computacional
• Gerontología

Sus antecedentes:

• El cribado cognitivo para deterioro cognitivo leve (MCI) y demencia en la atención primaria es un desafío.
• Las herramientas existentes a menudo carecen de sensibilidad o son difíciles de administrar con poblaciones diversas.
• Se necesitan métodos de detección cognitiva breves, precisos y accesibles.

Objetivo del estudio:

• Desarrollar una herramienta de detección cognitiva automatizada que utilice el aprendizaje automático con datos cognitivos y de habla/lenguaje.
• Para evaluar la precisión de la clasificación de la herramienta en comparación con una medida de cribado estándar.

Principales métodos:

• Los participantes incluyeron 53 adultos mayores cognitivamente normales y 51 con deterioro cognitivo.
• Las tareas involucraron la memoria de trabajo (WM) y el habla (narrativa personal).
• Los árboles de regresión aditiva bayesiana analizaron los datos; la pantalla de deterioro cognitivo leve rápido fue un comparador.

Principales resultados:

• El modelo óptimo combinó dos tareas WM y una tarea narrativa personal.
• Este modelo logró una precisión de validación cruzada de 0,84 (AUC).
• El rendimiento fue ligeramente superior al de la medida de cribado de comparación.

Conclusiones:

• La combinación de WM y las características del habla / lenguaje distingue con precisión a los adultos mayores cognitivamente normales de los afectados.
• La herramienta automatizada muestra potencial para superar las barreras de detección cognitiva de la atención primaria.
• Este enfoque ofrece un método sensible y eficiente para la evaluación cognitiva.