血清白蛋白在基于深度学习的预测认知功能数据在老年人使用基本血液测试中的重要性

科学领域:

• 老年学是一门学科.
• 医学诊断 医学诊断 医学诊断
• 人工智能的人工智能

背景情况:

• 深度学习模型使用常规血液检测估计痴呆症风险.
• 血液检查可以表明生活方式疾病和与认知障碍相关的代谢障碍.
• 营养状况,特别是在脆弱的老年人中,可能会影响痴呆风险.

研究的目的:

• 评估包括血清白蛋白如何影响痴呆症风险预测的准确性.
• 评估营养状况标志物在认知功能估计中的作用.
• 为了在不同年龄组中比较带有和没有血清白蛋白的预测模型.

主要方法:

• 利用深度学习模型 (DLM) 来估计认知功能 (迷你心理状态检查 - MMSE).
• 采用了来自1287名医院患者的一般血液检测数据.
• 分析了65岁以上和65岁以下个体的数据,比较了带有和没有血清白蛋白的MMSE预测.

主要成果:

• 对于65岁以上的个体,包括血清白蛋白,将平均平方误差 (MSE) 从6.38降低到6.28.
• 在65岁以下的个体中,血清白蛋白提高了预测准确度,将MSE从5.33降低到4.62.
• 包括血清白蛋白在内,在各个年龄组中始终提高了预测准确性.

结论:

• 血清白蛋白是估计血液检测认知功能的重要变量,特别是在老年人中.
• 低血清白蛋白表示的营养不良会对老年人的认知功能产生不利影响.
• 纳入像血清白蛋白这样的营养标志物可以提高人工智能驱动的痴呆风险评估的准确性.