高齢者の認知機能障害のリスク予測モデルにおける機械学習

科学分野:

• 老年医学
• 医療情報学
• 計算生物学

背景:

• 世界的な高齢化により、高齢者の認知機能障害の有病率が増加しています。
• 認知機能障害の早期介入は、疾患の負担とコストを削減します。
• 早期介入のためには、正確なリスク評価ツールが必要です。

研究 の 目的:

• 機械学習（ML）ベースの高齢者認知機能障害のリスク予測モデルを開発する。
• MLアルゴリズムを使用して、認知機能障害の主要な予測因子を特定する。
• 効果的なリスク評価のための医療専門家および患者向けのツールを提供する。

主な方法:

• 1,325人の高齢者を対象に認知機能評価と血液検査を実施しました。
• 単変量解析、ロジスティック回帰、LASSO、Borutaアルゴリズムを使用して危険因子を特定しました。
• 9つのMLモデルを構築および評価し、SHAPを使用して解釈しました。

主要な成果:

• SHAP分析により特定された主要な予測因子には、年齢、人種、教育、糖尿病、うつ病が含まれます。
• モデルのキャリブレーションとデシジョンカーブは、強力な予測精度と臨床的有用性を確認しました。
• ランダムフォレスト（RF）モデルは、最高の予測性能（AUC）を達成しました。

結論:

• 年齢、人種、教育、糖尿病、うつ病は、認知機能障害の有意な危険因子です。
• 評価されたMLアルゴリズムの中で、ランダムフォレストモデルは優れた予測能力を示しました。
• 開発されたモデルは、認知機能障害の早期特定と管理のための有望なツールを提供します。