在中国老年人中预测轻度认知障碍:基于长期短期记忆网络和机器学习的纵向研究
Yucheng Huang1, Zishuo Huang1,2, Qingren Yang1,2
1School of Public Health and Management, Wenzhou Medical University, Wenzhou, Zhejiang, China.
Frontiers in aging neuroscience
|November 8, 2023
概括
这项研究开发了一种机器学习模型,用于预测老年人轻度认知障碍 (MCI). 早期对MCI进行查可以帮助延缓痴呆症的进展.
科学领域:
- 老年学是一门学科.
- 神经学 神经学
- 医疗保健中的人工智能
背景情况:
- 轻度认知障碍 (MCI) 是痴呆症前的一个可逆阶段.
- 在系统的,全人口的MCI早期查中存在很大的差距.
- 这项研究解决了对老年人MCI的预测工具的需求.
研究的目的:
- 构建预测模型,用于识别患有MCI风险的个体.
- 探索与中国老年人中MCI发展相关的关键特征.
- 为了利用纵向数据进行早期MCI检测.
主要方法:
- 利用了来自2,128名中国老年人的纵向数据 (波段5-8).
- 采用了长期短期记忆 (LSTM) 和机器学习技术 (XGBoost,随机森林).
- 纳入社会人口统计学,健康行为和健康状况特征;使用SHAP分析预测因素的重要性.
主要成果:
- 预测模型实现了曲线下的面积 (AUC) 约为0.90.
- XGBoost和Random Forest在0.8.8以下的门方面显示了可比的好处.
- 确定了关键预测因素:年龄,教育程度,呼吸系统疾病,胃肠道以及自我评估的健康状况.
结论:
- 结合LSTM和机器学习的新选方法有效预测MCI风险.
- 这种查所促进的早期干预可能会延迟痴呆症的进展.
- 这种方法可以减少与痴呆症相关的发病率和医疗保健成本.
更多相关视频
07:42Dual-Task Stroop Paradigm for Detecting Cognitive Deficits in High-Functioning Stroke Patients
Published on: December 16, 2022
3.0K
06:23The 4 Mountains Test: A Short Test of Spatial Memory with High Sensitivity for the Diagnosis of Pre-dementia Alzheimer's Disease
Published on: October 13, 2016
32.4K
