现场驱动人工智能:对机器学习驱动的诊断系统进行实时非侵入性检测轻度认知障碍的试点研究
Firas Al-Hindawi1,2, Peter Serhan3,4, Yonas E Geda5
1School of Computing and Augmented Intelligence, Arizona State University, Tempe, AZ 85281, USA.
Bioengineering (Basel, Switzerland)
|January 24, 2025
概括
驾驶模式可以检测早期阿尔茨海默病 (AD) 指标,如轻度认知障碍 (MCI). 这项研究表明,驾驶性能是早期AD检测和持续认知健康监测的有希望的非侵入性生物标志物.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 阿尔茨海默病 (AD) 影响全球超过5500万,需要早期检测.
- 轻度认知障碍 (MCI) 是阿尔茨海默病的早期指标,但目前的诊断生物标志物有限.
- 对于早期MCI检测,需要使用非侵入性和易于使用的工具.
研究的目的:
- 探索驾驶性能作为MCI检测的新型,非侵入性生物标志物.
- 分析驾驶模式在指示认知衰退方面的预测能力.
- 开发可扩展的,现实世界的解决方案,用于早期AD诊断.
主要方法:
- 使用了带有多式联络传感 (MMS) 的LiveDrive AI系统.
- 分析了驾驶性能评估策略和模式.
- 采用机器学习模型,在专家注释的数据集上进行训练,以检测MCI状态.
主要成果:
- 证明了使用驾驶特征 (速度,转时的加速) 作为认知衰退指标的可行性.
- 展示了将其集成到智能手机或汽车应用程序中的潜力,以实时监控.
- 验证了驾驶性能用于MCI检测的使用.
结论:
- 驾驶性能为早期发现AD和MCI提供了一个有希望的,非侵入性的方法.
- 这种方法可以在现实环境中持续监测认知健康.
- 这些发现代表了改善患者结果和AD疾病管理的重要一步.


