軽度の認知障害を検出するために機械学習を用いた移動性指標の分析:体系的な範囲調査
Salamah Alshammari1,2, Munirah Alsubaie1,2, Mathieu Figeys1,3
1Department of Occupational Therapy, Faculty of Rehabilitation Medicine, University of Alberta, Edmonton, Alberta, Canada.
Applied clinical informatics
|September 3, 2025
まとめ
テクノロジーベースのモビリティデータと機械学習は 軽度の認知障害 (MCI) を効果的に検出します ウェアラブルデバイスは有望ですが,MCI検出のためのモバイルアプリのモニタリングにはさらなる研究が必要です.
科学分野:
- ゲロントロジーと認知科学
- 生物医学工学とデータ科学
背景:
- 全世界の高齢化人口は増加しており,軽度の認知障害 (MCI) などの年齢関連の認知障害の発生率が高くなっています.
- MCIの早期発見は 適切な介入に不可欠ですが 従来の認知評価は 一貫性には限界があります
- 認知機能低下に関連する医療サービスの需要を 満たすため,技術に基づく革新的な解決策が必要である.
研究 の 目的:
- 大人のMCIを検出するために技術ベースの移動データ収集と機械学習アルゴリズムがどのように利用されているかを体系的に検討する.
- 既存の文献に基づいて,MCI検出における機械学習アルゴリズムのパフォーマンスを評価する.
主な方法:
- 7つの主要なデータベースで関連する研究を検索した.
- 参加基準は,MCIと診断された成人 (18歳以上) の機械学習による移動データを分析した論文に焦点を当てた.
- データ抽出には,移動性指標,データ収集方法,機械学習アルゴリズム,パフォーマンスメトリックが含まれています.
主要な成果:
- MCI分類のための116の移動性指標を特定した.
- ウェアラブルデバイスは主要なデータ収集方法であり,モバイルアプリケーションは最小限に利用されました.
- ロジスティック回帰,ランダムフォレスト,ニューラルネットワークなどの機械学習アルゴリズムは 平均精度は86.1%,感度は84%,特異性は72.8%でした
結論:
- 特にウェアラブルデバイスや機械学習を用いた技術に基づくモビリティ評価は,MCIを検出する大きな可能性を示しています.
- 移動能力の重要な指標には,歩行速度,運転パターン (ハードブレーキ,夜行,速度) およびその他の運動指標が含まれます.
- モバイルアプリベースの移動監視に関するさらなる研究は,将来のMCI検出戦略にとって有望な道を示しています.


