预测阿尔茨海默病和轻度认知障碍的认知和功能衰退率
Antigone Fogel1,2, Chloe Walsh3,4,5, Nan Fletcher-Lloyd3,4
1Department of Brain Sciences, Imperial College London, London, UK. antigone.fogel23@imperial.ac.uk.
机器学习模型使用可访问的临床数据预测痴呆症的认知和功能衰退. 这些工具为患有痴呆症的人 (PLWD) 提供可扩展,个性化的预后,改善家庭的护理规划和清晰度.
科学领域:
- 神经科学和人工智能 人工智能
- 老年学与公共卫生
背景情况:
- 全球痴呆症患病率不断上升,需要改进预后工具.
- 目前的痴呆症进展模型缺乏可扩展性,并依赖于无法访问的数据.
- 痴呆症轨迹的异质性没有得到现有指导方针的充分体现.
研究的目的:
- 开发可扩展的机器学习模型,用于预测阿尔茨海默病 (AD) 和轻度认知障碍 (MCI) 的认知和功能衰退.
- 利用常规收集的临床数据来获得可访问的痴呆症预后.
- 支持为痴呆症患者 (PLWD) 提供个性化护理计划.
主要方法:
- 在三年内在153个临床轨迹上训练了两个机器学习算法.
- 预计12个月的认知能力下降 (迷你精神状态检查 - MMSE) 和功能下降 (Bristol日常生活活动 - BADL).
- 在ADNI队列中的741个轨迹上进行了外部验证的模型.
主要成果:
- MMSE模型实现了1.84 (内部) 和2.19 (外部验证) 的平均绝对误差 (MAE).
- 在BADL模型中,MAE达到3.88.
- 关键预测因素包括基线思想实践,定向,认知的单词回忆,以及在准备食物,财务和穿着功能方面的独立性.
结论:
- 模型利用易于访问,常规收集的数据,显示出高的翻译潜力.
- 可扩展,数据驱动的预后工具可以简化临床工作流程.
- 这些工具为PLWD及其家人提供了更好的清晰度和保证.
更多相关视频
06:23The 4 Mountains Test: A Short Test of Spatial Memory with High Sensitivity for the Diagnosis of Pre-dementia Alzheimer's Disease
Published on: October 13, 2016
08:43Application of Granger Causality Analysis of the Directed Functional Connection in Alzheimer's Disease and Mild Cognitive Impairment
Published on: August 7, 2017
相关概念视频
Alzheimer's Disease: Overview
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ...
Cognitive Development During Adulthood
Alzheimer's Disease: Treatment
Dementia
The progression of dementia is generally gradual....
Cognitive Enhancers: Cholinesterase Inhibitors and NMDA Receptor Antagonists
