Используя естественные данные о вождении и методы машинного обучения, исследователи из Школы общественного здравоохранения им. Почтальона Колумбийского университета и Школы инженерных и прикладных наук Колумбийского университета Фу разработали высокоточные алгоритмы для выявления легких когнитивных нарушений и деменции у пожилых водителей. Натуралистические данные о вождении относятся к данным, полученным с помощью записывающих устройств в автомобиле или других технологий в реальных условиях. Эти данные могут быть обработаны для детального измерения экспозиции, пространства и производительности при вождении. Результаты опубликованы в журнале Geriatrics.
Исследователи разработали модели случайных лесов, статистический метод, широко используемый в ИИ для классификации статуса болезни, который показал исключительно хорошие результаты. "Основываясь на переменных, полученных из естественных данных о вождении, и основных демографических характеристиках, таких как возраст, пол, раса / этническая принадлежность и уровень образования, мы можем предсказать легкие когнитивные нарушения и деменцию с точностью 88%," сказала Шарон Ди, доцент кафедры гражданского строительства и инженерной механики в Columbia Engineering и ведущий автор исследования.
Исследователи построили 29 переменных, используя натуралистические данные о вождении, полученные с помощью записывающих устройств в транспортных средствах, от 2977 участников проекта Longitudinal Research on Aging Drivers (LongROAD), когортного исследования с несколькими участками, спонсируемого Фондом безопасности дорожного движения AAA. На момент зачисления участники были активными водителями в возрасте 65-79 лет и не имели значительных когнитивных нарушений и дегенеративных заболеваний. Данные, использованные в этом исследовании, охватывают период с августа 2015 года по март 2019 года.
Из 2977 участников, чьи автомобили были оснащены бортовыми записывающими устройствами, к апрелю 2019 года у 33 были впервые диагностированы легкие когнитивные нарушения, а у 31 процента – деменция. Исследователи обучили серию моделей машинного обучения для выявления легких когнитивных нарушений / деменции и обнаружили, что модель, основанная на управляющих переменных и демографических характеристиках, была точной на 88 процентов, что намного лучше, чем модели, основанные только на демографических характеристиках (29 процентов) и только на управляющих переменных. (66 процентов). Дальнейший анализ показал, что возраст наиболее предсказуем для умеренных когнитивных нарушений и слабоумия, за которым следует процент поездок в пределах 15 миль от дома, раса / этническая принадлежность, минут на цепочку поездок (i.е., продолжительность поездок, начинающихся и заканчивающихся дома), минут на поездку и количество случаев резкого торможения с коэффициентами замедления 0.35 г.
"Вождение – сложная задача, включающая динамические когнитивные процессы и требующая основных когнитивных функций и перцептивных моторных навыков. Наше исследование показывает, что естественное поведение при вождении можно использовать в качестве исчерпывающих и надежных маркеров легких когнитивных нарушений и деменции," сказал Гуохуа Ли, доктор медицинских наук, доктор медицинских наук, профессор эпидемиологии и анестезиологии Колумбийской школы общественного здравоохранения и Колледжа врачей и хирургов Вагелоса, а также старший автор. "В случае подтверждения алгоритмы, разработанные в этом исследовании, могут предоставить новый ненавязчивый инструмент скрининга для раннего выявления и лечения легких когнитивных нарушений и деменции у пожилых водителей."