检测轻度认知障碍使用后续呼叫语音和电子健康记录数据在家庭医疗保健设置
Maryam Zolnoori1,2,3, Ali Zolnour1, Sina Rashidi1
1Columbia University Irving Medical Center.
Journal of gerontological nursing
|December 24, 2025
概括
轻度认知障碍 (MCI) 的早期检测通过使用例行家庭健康通话和临床数据的基于语音的算法得到了增强. 这种方法可以改善对老年人群认知能力下降的查.
科学领域:
- 老年学是一门学科.
- 计算语言学 计算语言学
- 医疗信息学 医疗信息学
背景情况:
- 阿尔茨海默病和相关的痴呆症在家庭医疗保健机构中经常没有被诊断出来.
- 认知障碍的早期症状往往没有在电子健康记录 (EHR) 中记录.
研究的目的:
- 开发和评估一种基于语音的查算法,用于检测轻度认知障碍 (MCI).
- 在家庭医疗保健中利用常规后续电话进行认知查.
主要方法:
- 语音数据从半结构化后续电话,临床痴呆症评级 (CDR) 访谈和EHR数据 (结果和评估信息集[OASIS]) 中收集.
- 机器学习模型被训练在单个和组合数据模式.
- 模型的性能是使用接收器操作特征曲线下的面积 (AUC) 来评估的.
主要成果:
- 结合后续呼叫语音和OASIS变量的多式模式实现了最高的性能 (AUC = 91.03%).
- 这种多式模式的表现优于使用CDR采访 (AUC = 80.67%) 的模型,仅使用后续电话 (AUC = 81.09%) 和仅使用OASIS (AUC = 78.53%) 的模型.
- 患有MCI的患者表现出更大的并发症负担,更高的双重资格率和更低的健康素养.
结论:
- 将例行后续呼叫中的语音与结构化的临床数据相结合,可以改善在家庭医疗保健中早期发现MCI.
- 这种低负担的多式联络方法可以与现有的护理协调工作流程相结合.
- 该方法显示了在多样化,老龄化人口中可扩展的认知查的潜力.
