使用常规EHR数据对轻度认知障碍进行AI辅助查:渐变增强方法
1School of Medicine, Shaoxing University, Shaoxing, China.
Frontiers in neurology
|March 5, 2026
概括
一个机器学习模型有效地使用电子健康记录 (EHR) 在老年人中识别轻度认知障碍 (MCI). 这种工具显示出在初级保健机构中低成本,自动化查的前景.
科学领域:
- 老年学是一门学科.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 轻度认知障碍 (MCI) 影响着老年人口的很大一部分.
- 早期识别MCI对于及时干预和管理至关重要.
- 常规的电子健康记录 (EHR) 包含大量的数据,可以用于MCI检测.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于识别患有MCI的老年门诊患者.
- 为了利用易于获得的EHR数据,为成本效益高的查工具.
- 用既定指标评估模型的性能.
主要方法:
- 对60岁及以上的社区门诊患者进行了一项回顾性横截面研究.
- 结构化EHR数据,包括人口统计,并发症,药物,生活方式和访问模式,被用作预测因素.
- 被监督的ML分类人员接受了培训,并使用10倍交叉验证和独立测试集进行评估,SMOTE解决了类不平衡问题.
主要成果:
- 梯度提升模型表现出最佳性能,交叉验证AUC为0.855,测试AUC为0.850.
- 该模型在测试组件上实现了0.833的准确性和0.402的F1得分.
- 关键预测因素包括年龄较大,女性性别,教育程度较低,家庭规模较小和抑郁症得分较高.
结论:
- 使用常规门诊EHR数据的ML模型可以有效地对老年人进行MCI歧视.
- 该模型显示了初级保健中自动化,低成本查的潜力.
- 外部验证是必要的,以确认临床效用和完善操作值.
