对于PD-MCI诊断的标准是否是全面的? 一个机器学习研究,修改了标准
Chiara Longo1, Daniele Luigi Romano2, Maria Pennacchio3
1Department of Neurology, "Santa Chiara Hospital", Azienda Provinciale per I Servizi Sanitari (APSS), 38122, Trento, Italy; Department of Psychology, University of Milano-Bicocca, 20126, Milan, Italy.
Parkinsonism & related disorders
|May 3, 2024
概括
将社会认知测试纳入帕金森病轻度认知障碍 (PD-MCI) 评估中显著提高了分类准确性. 这表明修订当前的诊断标准,以更好地反映PD患者的认知缺陷.
科学领域:
- 神经学 神经学
- 认知科学 认知科学
- 机器学习 机器学习
背景情况:
- 帕金森病轻度认知障碍 (PD-MCI) 影响多个认知领域,但在当前的诊断标准中,社会认知往往被忽视.
- 现有的PD-MCI诊断测试缺乏标准化,需要优化评估策略.
- 机器学习提供了一个有前途的方法来提高PD-MCI评估的准确性和全面性.
研究的目的:
- 通过整合社会认知测试,优化对帕金森病轻度认知障碍 (PD-MCI) 的认知评估.
- 评估机器学习的有效性,特别是随机森林分类,在使用标准和替代认知电池识别PD-MCI时.
主要方法:
- 分析了275名帕金森病患者的队列.
- 开发了四个认知电池:两个标准 (I和II级) 和两个替代 (I和II级),包括社会认知测试.
- 使用随机森林分类器来评估分类性能,使用AUC和变量重要性指数.
主要成果:
- 与标准电池 (AUC 0.852-0.892) 相比,结合社会认知的替代认知电池显示出更高的分类性能 (AUC 0.898-0.906).
- 导致PD-MCI分类的关键测试包括TMT B-A,Ekman测试,RAVLT-IR,MoCA和行动命名.
- 另一种I级别的评估实现了与标准II级别相当的分类.
结论:
- 将社会认知整合到PD-MCI评估中可以提高诊断准确度.
- 目前对PD-MCI的诊断标准可能需要修订,以包括社会认知,这是受影响患者的关键领域.
- 机器学习模型有效地利用认知测试数据来改善PD-MCI分类.
