基于人工智能的模型用于准确预测MCI到AD的进展

科学领域:

• 神经科学和计算健康科学.

背景情况:

• 阿尔茨海默病 (AD) 构成了医疗保健方面的重大挑战,需要先进的早期检测方法.
• 识别患有轻度认知障碍 (MCI) 且患有AD进展高风险的个体对于及时干预至关重要.

研究的目的:

• 开发和评估一个深度学习模型来预测MCI到AD的进展.
• 为了提高早期风险分层,利用纵向医疗索赔数据.

主要方法:

• 开发了一个双向封闭循环单元 (BiGRU) 深度学习模型.
• 在MCI诊断后的五年间隔内,评估了BiGRU模型的预测性能.
• 模型的有效性与传统的机器学习基线进行了比较,使用交叉验证.

主要成果:

• 与基线模型相比,BiGRU模型显示出更高的性能.
• 获得了0.833的接收器运行特征曲线 (AUC-ROC) 下面的面积和0.856的精度回忆曲线 (AUC-PR) 下面的面积,用于五年预测.
• 获得了0.71的F1分数,表明MCI转换为AD的可靠预测.

结论:

• 深度学习,特别是BiGRU模型,有效地使用纵向索赔数据预测MCI到AD的进展.
• 这种在长时间间隔内的预测能力为临床医生提供了针对性患者管理和干预的工具.