Многие традиционные инструменты оценки памяти широко доступны для специалистов здравоохранения, хотя недостатки в проверке, точности и надежности обнаружения остаются превалирующими. Но даже со все более популярным инструментом MemTrax, очень простым онлайн-тестом памяти с использованием распознавания изображений, клиническая эффективность этого нового подхода в качестве инструмента скрининга функции памяти не была в достаточной степени продемонстрирована или подтверждена. На практике существует множество интегрированных и сложных факторов, которые необходимо учитывать при интерпретации результатов теста оценки памяти, что представляет собой реальную проблему для клиницистов. Все эти факторы представляют собой коллективный барьер на пути решения проблемы растущей и повсеместной распространенности БА и лиц, страдающих этим заболеванием.
Может ли искусственный интеллект стать решением для тестирования этого сложного состояния здоровья человека и управления им?? Команда исследователей из Колледжа инженерии и информатики Атлантического университета Флориды, SIVOTEC Analytics, HAPPYneuron, MemTrax и Медицинского факультета Стэнфордского университета так думает и проверяет свою теорию.
Исследователи применили новое приложение контролируемого машинного обучения и прогнозного моделирования, чтобы продемонстрировать и проверить кросс-секционную полезность MemTrax в качестве инструмента скрининга поддержки принятия клинических решений для оценки когнитивных нарушений.
Результаты исследования, опубликованные в Journal of Alzheimer’s Disease, представляют контролируемое машинное обучение как современный подход и новый дополнительный инструмент с добавленной стоимостью в когнитивной оценке здоровья мозга и сопутствующем уходе и ведении пациентов.
Полученные данные демонстрируют потенциальную валидную клиническую полезность MemTrax, применяемого как часть онлайн-теста «Задачи непрерывного распознавания» (M-CRT), при скрининге вариаций когнитивного здоровья мозга. Примечательно, что сравнение MemTrax с признанной и широко используемой Монреальской оценкой когнитивных функций легкой степени когнитивной недостаточности подчеркивает мощь и потенциал этого нового онлайн-инструмента и подхода к оценке кратковременной памяти в диагностической поддержке когнитивного скрининга и оценки с различными клинические состояния и нарушения, включая деменцию.
«Машинному обучению присуща способность выявлять значимые закономерности и идеи из большого, сложного взаимозависимого массива клинических детерминант и способность продолжать« учиться »на постоянной полезности практических прогностических моделей», – сказал Таги Хошгофтаар, Ph.D., соавтор и профессор Motorola факультета вычислительной техники, электротехники и информатики FAU. «Беспрепятственное использование и интерпретация в реальном времени улучшат ведение пациентов и уход за пациентами благодаря инновационным технологиям и практичным и легко используемым интегрированным клиническим приложениям, которые можно превратить в портативное устройство и приложение."
Для исследования исследователи использовали существующий набор данных (18 395) от HAPPYneuron.
Они изучили ответы на общие вопросы скрининга здоровья (касающиеся памяти, качества сна, лекарств и медицинских состояний, влияющих на мышление), демографическую информацию и результаты тестов от выборки взрослых, которые прошли тест MemTrax (M-CRT) для скрининга эпизодической памяти. Производительность MemTrax и характеристики участников использовались как независимые атрибуты: истинно положительный / отрицательный, процент ответов / правильных, время отклика, возраст, пол и недавнее употребление алкоголя. Для прогнозного моделирования они использовали демографическую информацию и результаты тестов для прогнозирования бинарной классификации вопросов, связанных со здоровьем (да / нет) и общего состояния здоровья (здоровый / нездоровый), на основе вопросов скрининга.
«Результаты нашего исследования представляют собой важный шаг в продвижении подхода к клиническому лечению очень сложного состояния, такого как болезнь Альцгеймера», – сказал Майкл Ф. Бержерон, Ph.D., старший автор и старший вице-президент по разработке и приложениям, SIVOTEC Analytics. "Анализируя широкий спектр атрибутов в нескольких областях человеческой системы и функционального поведения здоровья мозга, информированный и стратегически направленный расширенный интеллектуальный анализ данных, контролируемое машинное обучение и надежная аналитика могут стать неотъемлемой частью и фактически необходимыми для поставщиков медицинских услуг. для выявления и прогнозирования дальнейшего прогрессирования этого заболевания и множества других аспектов когнитивных нарушений."
БА является шестой по значимости причиной смерти в Соединенных Штатах, затрагивая 5.8 миллионов американцев. По данным Ассоциации Альцгеймера, к 2050 году это число вырастет до 14 миллионов. В 2019 году AD и другие виды деменции обойдутся стране в 290 миллиардов долларов.
К 2050 году эти затраты могут вырасти до 1 доллара.1 триллион.
«Учитывая его широкую распространенность и растущую заболеваемость и бремя общественного здравоохранения, крайне важно обеспечить оптимальные инструменты, которые врачи используют для тестирования и лечения болезни Альцгеймера и других связанных когнитивных состояний», – сказала Стелла Баталама, доктор философии.D., декан факультета инженерии и информатики FAU. "Результаты этого важного исследования дают новые идеи и открытия, которые создают основу для будущих эффективных и значительных исследований."