Manifestaciones Clínicas | JoVE Visualize

Área de la Ciencia:

Medicina Geriátrica
Ciencia de Datos
Seguridad en el Transporte

Sus antecedentes:

La depresión en adultos mayores a menudo no se diagnostica, lo que provoca consecuencias graves como deterioro de la conducción.
La dependencia de los vehículos por parte de los adultos mayores para su independencia requiere soluciones innovadoras de cribado.
Se exploran los comportamientos de conducción naturalista como un indicador novedoso para detectar el trastorno depresivo mayor (TDM).

Objetivo del estudio:

Investigar la eficacia de los modelos de aprendizaje automático para identificar el TDM en adultos mayores utilizando datos de conducción naturalista.
Evaluar el poder predictivo de las métricas de conducción, los factores demográficos y los datos de medicación para el cribado de la depresión.
Desarrollar un método escalable y funcional para la detección temprana de la depresión en la población geriátrica.

Principales métodos:

Se recopilaron datos de conducción naturalista de 157 adultos mayores (81 con TDM) durante dos años.
Se entrenaron modelos de Extreme Gradient Boosting (XGBoost) utilizando métricas de conducción (frenado, duración del viaje, entropía), datos demográficos y de medicación.
Se empleó la optimización de hiperparámetros y la validación cruzada de 10 veces para optimizar el rendimiento del modelo.

Principales resultados:

Las características de conducción por sí solas lograron una alta precisión predictiva (puntuación F1 de 0.82, AUC de 0.84).
Los modelos que combinan datos de conducción con clases de medicamentos mostraron el mayor rendimiento (puntuación F1 de 0.81, AUC de 0.86).
Los predictores clave incluyeron la tasa de giro brusco, el uso total de medicamentos y las distancias de los viajes.

Conclusiones:

Los datos de conducción naturalista muestran un potencial significativo para detectar la depresión en adultos mayores con alta especificidad y recall.
La integración de los comportamientos de conducción con los datos de medicación mejora la precisión predictiva para un enfoque de cribado escalable y funcional.
Las herramientas impulsadas por IA pueden ayudar en el diagnóstico de la salud mental geriátrica, mejorando las intervenciones y la seguridad pública.