NHANES神経心理学的検査を用いた認知機能障害予測のための解釈可能な機械学習モデル：栄養学的および社会人口統計学的関連性

科学分野:

• 神経科学
• 栄養科学
• 計算生物学

背景:

• 認知機能障害の早期特定は、介入と公衆衛生のために重要です。
• 社会人口統計学的および臨床的要因は既知の予測因子ですが、栄養の役割はあまり理解されていません。
• 包括的なリスク評価のために、認知健康に対する栄養の影響を調査することは不可欠です。

研究 の 目的:

• 認知機能障害を予測するための機械学習モデルを開発・検証すること。
• 認知機能障害の主要な人口統計学的、臨床的、栄養学的予測因子を特定すること。
• 栄養要因と認知健康との相互作用を探ること。

主な方法:

• 2,208人の参加者からなる国民健康・栄養調査（NHANES）データ（2011-2014年）を利用しました。
• 認知機能障害予測のためにアンサンブル機械学習モデル（LightGBM、XGBoost、Random Forest）を開発しました。
• 予測因子の解釈のためにSHapley Additive exPlanations（SHAP）を適用し、invitro検証実験を実施しました。

主要な成果:

• アンサンブルモデルは、従来のモデルを上回る優れた予測性能を達成しました。
• 主要な予測因子には、教育、年齢、社会経済的地位、慢性疾患が含まれました。
• ビタミンB2は、銅およびビタミンEとの相互作用により、認知機能障害リスクの低下と一貫して関連していました。
• invitro研究は、酸化ストレスの低減と神経保護の強化を示し、これらの所見を支持しました。

結論:

• 解釈可能な機械学習モデルは、多様な変数を効果的に統合して認知機能障害を予測します。
• 栄養要因、特にビタミンB2とその相互作用は、予測精度と生物学的妥当性に大きく貢献します。
• 本研究結果は、認知健康評価における標的栄養モニタリング戦略の可能性を示唆しています。