Een fascinerende nieuwe studie van een team van Amerikaanse onderzoekers heeft machine learning-technieken gebruikt om algoritmen te ontwikkelen die naturalistische rijgegevens kunnen analyseren en milde cognitieve stoornissen en dementie bij een bestuurder kunnen detecteren. Het werk bevindt zich nog in de voorbereidende fasen, maar de onderzoekers beweren dat het in de toekomst mogelijk zou kunnen zijn om vroege tekenen van dementie te detecteren met behulp van een smartphone-app of apparaten die zijn ingebouwd in autosoftwaresystemen.

De invloed van dementie op het rijgedrag is een redelijk goed bestudeerd onderwerp. Het is zeker niet verrassend om te zien dat het rijgedrag verandert, aangezien neurodegeneratie leidt tot cognitieve achteruitgang. Dit nieuwe onderzoek was echter bedoeld om te onderzoeken of machine learning-technieken kunnen worden gebruikt om patronen in rijgegevens te identificeren die vervolgens milde cognitieve stoornissen (MCI) of dementie kunnen detecteren.

Het onderzoek maakte gebruik van gegevens van een nieuwe langetermijnstudie genaamd Lange weg (The Longitudinal Research on Aging Drivers), dat tot vier jaar lang bijna 3,000 oudere bestuurders volgde, wat een grote longitudinale dataset opleverde.

In de loop van de LongROAD-studie werd bij 33 proefpersonen de diagnose MCI gesteld en 31 met dementie. Een reeks machine learning-modellen werd getraind op de LongROAD-gegevens, met als taak MCI en dementie op te sporen in rijgedrag.

"Op basis van variabelen die zijn afgeleid van de naturalistische rijgegevens en fundamentele demografische kenmerken, zoals leeftijd, geslacht, ras / etniciteit en opleidingsniveau, konden we milde cognitieve stoornissen en dementie voorspellen met een nauwkeurigheid van 88 procent", zegt Sharon Di, hoofdauteur van de nieuwe studie.

Hoewel leeftijd de belangrijkste factor was bij het opsporen van MCI of dementie, volgden een aantal drijvende variabelen op de voet. Deze omvatten: "het percentage ritten afgelegd binnen een straal van 15 km van huis ... de lengte van ritten die thuis beginnen en eindigen, minuten per rit en het aantal keer hard remmen met vertragingen van ≥ 24 g." Door alleen rijvariabelen te gebruiken, konden de modellen die MCI- of dementie-stuurprogramma's nog steeds met een nauwkeurigheid van 0.35 procent voorspellen.

Het is nog vroeg voor het werk, en de onderzoekers zeggen dat er meer onderzoek nodig is om specifiek de verschillen in rijeigenschappen tussen MCI en dementie te begrijpen. Bovendien is de studie duidelijk door het bescheiden aantal MCI- en dementiegevallen in de LongROAD-gegevens op te merken, wat betekent dat grotere onderzoeken nodig zullen zijn om erachter te komen hoe breed generaliseerbaar de voorspellingsmodellen zijn in de praktijk.

Desalniettemin wijst de studie op intrigerende toekomstscenario's waarin een smartphone-app of software in een auto constant uw rijgedrag kan volgen om aanwijzingen te bieden voor vroege detectie van cognitieve achteruitgang voordat klinische symptomen duidelijk worden. Dit veronderstelt natuurlijk allemaal dat we nog steeds actief zullen zijn rijden in onze auto's in de toekomst.

"Onze studie geeft aan dat naturalistisch rijgedrag kan worden gebruikt als uitgebreide en betrouwbare markers voor milde cognitieve stoornissen en dementie", voegt senior auteur Guohua Li toe. "Indien gevalideerd, kunnen de algoritmen die in deze studie zijn ontwikkeld, een nieuwe, onopvallende screeningstool bieden voor vroege detectie en behandeling van milde cognitieve stoornissen en dementie bij oudere automobilisten."

De nieuwe studie werd in het tijdschrift gepubliceerd Geriatrie.

Bron: Columbia University Mailman School of Public Health

Coinsmart. Beste Bitcoin-beurs in Europa
Bron: https://newatlas.com/health-wellbeing/cognitive-decline-dementia-aging-driving-prediction-detect-machine-learning/