使用机器学习方法预测运动认知风险综合征的认知衰退
Jin-Siang Shaw1, Ming-Xuan Xu1, Fang-Yu Cheng2
1Institute of Mechatronic Engineering, National Taipei University of Technology, Taipei 106, Taiwan.
Diagnostics (Basel, Switzerland)
|June 13, 2025
概括
使用机器学习可以预测运动认知风险综合征 (MCR) 的认知衰退. 结合生物标志物,步态和认知测试,可以准确地识别出面临未来认知恶化风险的个体.
科学领域:
- 神经科学是一个神经科学.
- 老年学是一门学科.
- 生物统计学 生物统计学
背景情况:
- 运动认知风险综合征 (MCR) 表示一种临床前状态的认知衰退.
- 由于进展变化,早期预测MCR认知恶化至关重要.
- 识别将进展的MCR个体对于及时干预至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测MCR的短期认知衰退.
- 确定MCR患者认知能力下降的关键预测因素.
- 评估整合多式联运数据用于预测建模的可行性.
主要方法:
- 利用支持矢量机 (SVM) 分类器来预测80名MCR参与者 (≥60岁) 的认知衰退.
- 基线评估包括血生物标志物 (β-粉样,),双重任务步态和神经心理测试.
- 用特征重要性分析和交叉验证来训练和验证模型.
主要成果:
- 血β-粉样蛋白和tau,双重任务步态和记忆力得分是认知能力下降的重要预测因素.
- 最优的线性SVM模型在测试组中实现了88.2%的准确性和83.7%的AUC.
- 交叉验证显示了高性能,平均准确率为95.3%,AUC为99.6%.
结论:
- 机器学习有效地整合了生物标志物,运动和认知数据,以预测MCR的认知衰退.
- 开发的模型显示了临床应用的潜力,用于识别有风险的个体.
- 建议进行外部验证,以确认预测模型的概括性和稳定性.
