2021年4月28日-哥倫比亞大學梅爾曼公共衛(wèi)生學院和哥倫比亞大學富基金會工程與應用科學學院的研究人員利用自然駕駛數(shù)據(jù)和機器學習技術(shù)，開發(fā)出了用于檢測老年駕駛員輕度認知障礙和癡呆癥的高精度算法。自然駕駛數(shù)據(jù)是指在實際環(huán)境中通過車載記錄設備或其他技術(shù)捕獲的數(shù)據(jù)。可以對這些數(shù)據(jù)進行處理，以非常詳細地測量駕駛曝光，空間和性能。研究結(jié)果發(fā)表在《老年醫(yī)學》雜志上。
研究人員開發(fā)了隨機森林模型，這是一種在AI中廣泛用于對疾病狀況進行分類的統(tǒng)計技術(shù)，效果非常好。“根據(jù)自然駕駛數(shù)據(jù)和年齡，性別，種族/民族和教育水平等基本人口統(tǒng)計特征得出的變量，我們可以預測輕度認知障礙和癡呆癥，準確率達88%，”民事副教授Sharon Di說哥倫比亞工程學院的工程和工程力學專業(yè)以及該研究的主要作者。
研究人員使用車內(nèi)記錄設備捕獲的自然駕駛數(shù)據(jù)構(gòu)造了29個變量，該數(shù)據(jù)是由AAA交通安全基金會贊助的多地點隊列研究(LongROAD)項目的2977名參與者進行的。在注冊時，參與者是年齡在65-79歲之間的活躍駕駛員，沒有明顯的認知障礙和退化性醫(yī)療狀況。本研究使用的數(shù)據(jù)跨度為2015年8月至2019年3月。
到2019年4月，在2977名參與者的汽車裝有車載記錄設備的參與者中，有33名被新診斷為輕度認知障礙，而31名被診斷為癡呆癥。研究人員訓練了一系列機器學習模型來檢測輕度認知障礙/癡呆癥，并發(fā)現(xiàn)基于駕駛變量和人口特征的模型的準確度為88%，比僅基于人口特征的模型(29%)和僅基于駕駛變量的模型(66%)要好得多。進一步的分析表明，年齡最能預測輕度認知障礙和癡呆，其次是在家庭15英里內(nèi)旅行的百分比，種族/民族，每條旅行鏈的分鐘數(shù)(即，從家開始和結(jié)束旅行的長度)，分鐘每次旅行
“駕駛是一項復雜的任務，涉及動態(tài)的認知過程，需要基本的認知功能和感知運動技能。我們的研究表明，自然駕駛行為可以用作輕度認知障礙和癡呆癥的綜合且可靠的標志物，” Dr PH ，哥倫比亞梅爾曼公共衛(wèi)生學院和瓦格洛斯醫(yī)師與外科醫(yī)生學院流行病學和麻醉學教授，資深作者。“如果得到驗證，這項研究中開發(fā)的算法可以為早期檢測和管理老年駕駛員的輕度認知障礙和癡呆癥提供一種新穎，無障礙的篩查工具。”
標簽： 老年駕駛員
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！