从生命中期和晚期的认知足迹预测阿尔茨海默病:注册数据和机器学习有多大帮助?
Hao Luo1, Sirpa Hartikainen2, Julian Lin2
1Department of Social Work and Social Administration, The University of Hong Kong, Hong Kong, China; Sau Po Centre on Ageing, The University of Hong Kong, Hong Kong, China; Kuopio Research Center of Geriatric Care, School of Pharmacy, University of Eastern Finland, Kuopio, Finland.
机器学习模型在使用芬兰医疗保健数据预测阿尔茨海默病 (AD) 风险时的准确性较低. 结合不同的数据源对于改善AD预测模型至关重要.
科学领域:
- 医疗信息学 医疗信息学
- 计算流行病学计算流行病学
- 神经科学是一个神经科学.
背景情况:
- 现实世界的医疗数据和机器学习 (ML) 越来越多地被用于医疗保健研究.
- 本研究评估了使用芬兰国家注册数据预测阿尔茨海默病 (AD) 风险的ML模型性能.
研究的目的:
- 评估各种ML模型在预测阿尔茨海默病 (AD) 风险方面的有效性.
- 在不同年龄段识别与AD相关的关键风险因素.
主要方法:
- 一项病例控制研究利用了芬兰的MEDALZ数据集,包括56741名患有AD的个人和匹配的对照.
- 后勤回归评估了45-54岁,55-64岁和65岁以上的风险因素 (头部损伤,药物使用).
- 预测性能在七个ML模型中进行了比较,包括随机森林,XGBoost和LightGBM.
主要成果:
- 最强的AD关联包括头部受伤 (年龄55-64岁和65岁以上) 和抗抑郁药/抗精神病药的使用 (年龄55-64岁和65岁以上).
- 所有评估的ML模型都显示AD的预测准确性很低.
- 随机森林获得了0.603的最高AUC,用于预测65-69岁之间的AD发病.
结论:
- 各种风险因素和AD之间存在显著的关联.
- 目前的专业医疗诊断数据本身不足以准确预测AD.
- 整合来自多个来源的数据是必要的,以提高AD预测能力.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
相关概念视频
Alzheimer's Disease: Overview
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ...
Dementia
The progression of dementia is generally gradual....
