通过自然驾驶行为和机器学习来识别老年人的抑郁症

科学领域:

• 老年学是一门学科.
• 神经科学是一个神经科学.
• 人工智能的人工智能

背景情况:

• 老年人的抑郁症经常被低诊断,导致负面的健康结果,如增加机动车辆事故的风险.
• 人口老龄化和越来越多的老年司机需要新的查工具来发现认知和功能衰退.

研究的目的:

• 通过使用自然驾驶数据,研究机器学习算法的有效性,以检测老年人抑郁状态.
• 确定人口因素和药物使用是否提高了这些模型的预测性能.

主要方法:

• 利用全球定位系统 (GPS) 两年的157名老年人的数据,其中81人被诊断患有严重抑郁症.
• 采用XGBoost和物流回归模型来分析驾驶模式和药物数据.
• 使用曲线下的面积 (AUC) 度量来评估模型性能.

主要成果:

• 领先的机器学习模型实现了AUC为0.86.
• 最好的模型集成的驾驶行为特征与药物的总使用,以实现最佳的抑郁症检测.
• 这表明了驱动数据作为数字神经行为标记物的潜力.

结论:

• 通过人工智能分析的自然驾驶数据显示,在国家一级确定老年人的抑郁症具有重大前景.
• 这种创新的查方法可以改善老年人及时获得治疗抑郁症的公平机会.
• 进一步的研究可以改进人工智能驱动的数字标记器,以便更广泛的临床应用.