臨床的特徴

科学分野:

• 老年医学;データサイエンス;交通安全

背景:

• 高齢者のうつ病はしばしば見逃されがちであり、運転能力の低下などの深刻な結果につながります。;高齢者の自立にとって車両への依存は、革新的なスクリーニングソリューションを必要とします。;自然な状態での運転行動は、うつ病（MDD）検出のための新しい指標として探求されています。

研究 の 目的:

• 自然な状態での運転データを使用して高齢者のMDDを特定する機械学習モデルの有効性を調査すること。;うつ病スクリーニングにおける運転指標、人口統計学的要因、および投薬データの予測力を評価すること。;高齢者集団における早期うつ病検出のためのスケーラブルで機能的な方法を開発すること。

主な方法:

• 157人の高齢者（MDD患者81人）の自然な状態での運転データを2年間収集しました。;運転指標（ブレーキ、走行距離、エントロピー）、人口統計学的データ、投薬データを使用して、Extreme Gradient Boosting（XGBoost）モデルをトレーニングしました。;モデルパフォーマンスを最適化するために、ハイパーパラメータ調整と10倍クロスバリデーションを採用しました。

主要な成果:

• 運転データのみで高い予測精度（F1スコア0.82、AUC 0.84）を達成しました。;投薬クラスと運転データを組み合わせたモデルが最も高いパフォーマンスを示しました（F1スコア0.81、AUC 0.86）。;主な予測因子には、急カーブ率、総投薬量、走行距離が含まれていました。

結論:

• 自然な状態での運転データは、高い特異度と再現率で高齢者のうつ病を検出する上で大きな可能性を示しています。;運転行動と投薬データを統合することで、スケーラブルで機能的なスクリーニングアプローチの予測精度が向上します。;AI駆動型ツールは、高齢者のメンタルヘルス診断を支援し、介入と公衆衛生を改善できます。