Weltweit über 44 Millionen Menschen mit der Alzheimer-Krankheit (AD) oder eine Verwandte form der Demenz. Obwohl 82 Prozent der Senioren in den Vereinigten Staaten sagen, es ist wichtig, um Ihr denken oder Gedächtnis geprüft, nur 16 Prozent sagen, Sie erhalten regelmäßig kognitive Bewertungen.
Viele traditionelle memory-assessment-tools sind weit verbreitet zur Gesundheit Profis, wenn Mängel bei der Krebsvorsorge und-Erkennung Genauigkeit und Zuverlässigkeit bleiben weit verbreitet. Aber auch mit der zunehmend günstigen instrument MemTrax, eine sehr einfache online-Speicher-test verwenden von Bildern aus der Anerkennung, die klinische Wirksamkeit dieses neuen Ansatzes als eine memory-Funktion screening-Instrument wurde nicht ausreichend dokumentiert oder validiert werden können. In der Praxis gibt es zahlreiche integrierte und komplexe Faktoren zu berücksichtigen bei der Interpretation Speicher-test-Ergebnisse, die eine echte Herausforderung für den Kliniker. All diese Faktoren stehen, wie eine kollektive Barriere, um angemessen auf die wachsende und weit verbreitete Prävalenz der AD, und diejenigen, die von der Krankheit betroffen.
Könnte künstliche Intelligenz sein, die Lösung für das testen und die Verwaltung dieser komplexen menschlichen Gesundheit Zustand? Ein team von Forschern an der Florida Atlantic University ‚ s College of Engineering und informatik, SIVOTEC Analytics, HAPPYneuron, MemTrax, und der Stanford University School of Medicine, so denken, und setzen Sie Ihre Theorie auf die Probe.
Die Forscher eine neuartige Anwendung der überwachte maschinelles lernen und prädiktive Modellierung zur Demonstration und Validierung der cross-sectional-Dienstprogramm von MemTrax als klinische Entscheidungshilfen screening-Instrument für die Beurteilung der kognitiven Beeinträchtigung.
Die Ergebnisse der Studie, veröffentlicht im Journal of Alzheimer-Krankheit, führen überwachten maschinellen Lernens als ein moderner Ansatz und neue Mehrwert-ergänzendes Instrument, das kognitive Gehirn und Gesundheit Bewertung und Verwandte Patientenversorgung und-management.
Ergebnisse zeigen das Potenzial gültigen klinischen nutzen MemTrax, verwaltet als Teil der online-Continuous Recognition Tasks (M-CRT-test in screening für Variationen in der kognitiven Gesundheit des Gehirns. Insbesondere ein Vergleich der MemTrax zu den anerkannten und weithin verwendet Montreal Cognitive Assessment Abschätzung der milden kognitiven Beeinträchtigung, unterstreicht die Kraft und das Potenzial dieser neuen online-tool und Ansatz bei der Bewertung von short-term memory in der Diagnose-Unterstützung für die kognitive screening-und assessment mit einer Vielzahl von klinischen Bedingungen und Beeinträchtigungen einschließlich Demenz.
„Machine learning hat eine inhärente Kapazität, zu offenbaren, sinnvolle Muster und Erkenntnisse aus einer großen, komplexen inter-abhängigen Reihe von klinischen Determinanten und die Fähigkeit, weiter zu ‚lernen‘ aus dem Laufenden Hilfsprogramm von praktischen prädiktive Modelle“, sagte Geburt Khoshgoftaar, Ph. D., co-Autor und Motorola Professor in FAU Department of Computer and Electrical Engineering und Computer Science. „Die nahtlose Nutzung und Echtzeit-interpretation verbessern, case management und Versorgung der Patienten durch innovative Technik und praktische und leicht zu benutzendes integrierten klinischen Anwendungen, die entwickelt werden könnten in ein Handheld-Gerät und eine app.“
Für die Studie verwendeten die Forscher ein vorhandenes dataset (18,395) von HAPPYneuron. Sie untersuchten die Antworten auf die Allgemeine Gesundheit screening-Fragen (Adressierung Gedächtnis, Schlaf-Qualität, Medikamente und medizinische Bedingungen, die das denken), demografische Informationen und test-Ergebnisse aus einer Stichprobe von Erwachsenen, die nahm die MemTrax (M-CRT -) test für das episodische Gedächtnis-screening. MemTrax Leistung und Teilnehmer Merkmale wurden als unabhängige Attribute: wahr positive/negative, Prozent Antworten/richtige, Antwort, Zeit, Alter, sex, und den letzten Alkohol Konsum. Für predictive modeling, die Sie verwendet, demografische Daten und Testergebnisse vorherzusagen binäre Klassifikation der Gesundheits-und Verwandte Fragen (ja/Nein) und Allgemeinen Gesundheitszustand (gesund/ungesund), basierend auf den screening-Fragen.
„Die Erkenntnisse unserer Studie einen wichtigen Schritt bei der Weiterentwicklung der Ansatz für klinisch Verwaltung eine sehr komplexe Erkrankung wie die Alzheimer-Krankheit,“ sagte Michael F. Bergeron, Ph. D., senior-Autor und senior vice president der Entwicklung und Anwendungen, SIVOTEC Analytics. „Durch die Analyse einer Vielzahl von Parametern über mehrere Domänen des menschlichen Systems und funktionale Verhaltensweisen, die der Gesundheit des Gehirns, gut informierte und strategisch geleitet advanced data mining, supervised machine learning und robusten analytics kann integriert werden, und in der Tat notwendig, für Anbieter von Gesundheitsleistungen zu erkennen und zu antizipieren einen weiteren Fortschritt in dieser Krankheit und einer Vielzahl anderer Aspekte der kognitiven Beeinträchtigung.“
AD ist die sechste führende Todesursache in den Vereinigten Staaten, Auswirkungen auf 5,8 Millionen Amerikaner. Nach der Alzheimer-Association, diese Zahl wird voraussichtlich steigen auf 14 Millionen bis zum Jahr 2050. Im Jahr 2019, AD und andere Demenzen kostet die nation $290 Milliarden. Bis 2050 werden diese Kosten könnten steigen so hoch wie $1.1 Billionen US-Dollar.
„Mit seinen weit verbreitete Prävalenz und die Eskalation der Inzidenz und der öffentlichen Gesundheit belasten, ist es unerlässlich, um sicherzustellen, dass die Werkzeuge, die ärzte verwenden Sie für die Prüfung und Verwaltung der Alzheimer-Krankheit und andere Verwandte kognitive Bedingungen sind optimal“, sagte Stella Batalama, Ph. D., Dekan von FAU ‚ s College of Engineering und Computer Science. „Die Ergebnisse aus dieser wichtigen Studie liefern neue Erkenntnisse und die Entdeckung, dass die weichen für die Zukunft wirkungsvoll und bedeutend für die Forschung.“