Ricerche

Dei ricercatori hanno sviluppato un modello di apprendimento automatico altamente accurato per la diagnosi precoce del lieve decadimento cognitivo e della demenza nei guidatori più anziani.

Usando tecniche di apprendimento di insiemi (ensemble learning model) e i dati longitudinali di un grande studio di guida naturale, ricercatori della Columbia University hanno sviluppato un algoritmo nuovo, interpretabile e altamente accurato per prevedere il lieve deterioramento cognitivo (MCI, mild cognitive impairment) e la demenza nei guidatori anziani.

I marcatori digitali si riferiscono a variabili generate dai dati acquisiti tramite dispositivi di registrazione nel mondo reale. Questi dati sono stati elaborati per misurare con un dettaglio eccezionale il comportamento di guida, le prestazioni e il modello tempo-spazio. Lo studio è pubblicato su Artificial Intelligence in Medicine.

I ricercatori hanno usato un metodo di classificazione basato sull'interazione per selezionare le variabili predittive nei dati. Questo modello di apprendimento ha raggiunto un'accuratezza del 96% nel prevedere MCI e demenza, superando le prestazioni dei modelli tradizionali di apprendimento automatico, come la regressione logistica e le foreste casuali, una tecnica statistica ampiamente usata nell'IA per classificare lo stato di malattia.

"Il nostro nuovo modello di apprendimento di insiemi basato su marcatori digitali e caratteristiche demografiche di base può prevedere MCI e demenza nei conducenti anziani con una precisione eccellente", ha affermato Sharon Di, prof.ssa associata di ingegneria civile e meccanica alla Columbia e prima autrice dello studio.

Gli investigatori hanno costruito 200 moduli variabili con i dati di guida naturale sul conducente, il veicolo e l'ambiente, presi da dispositivi di registrazione all'interno del veicolo, per 2.977 conducenti che partecipavano al progetto Longitudinal Research on Aging Drivers, uno studio di coorte prospettico condotto in 5 siti degli Stati Uniti e sponsorizzato dalla AAA Foundation for Traffic Safety.

Al momento dell'iscrizione, i partecipanti erano conducenti attivi di età compresa tra 65 e 79 anni, cognitivamente intatti. I dati usati sono arrivati dai primi tre anni dello studio, da agosto 2015 a marzo 2019. Durante quel periodo, 36 partecipanti hanno avuto la diagnosi di MCI, 8 la diagnosi di Alzheimer e 17 di altre cause di demenza non specificate.

I ricercatori hanno condotto una serie di esperimenti di modellazione al computer e hanno scoperto che il nuovo modello di apprendimento di insiemi è più accurato del 6-10% rispetto alle foreste casuali e ai modelli di regressione logistica nella previsione dell'MCI e della demenza. Le due variabili di guida più influenti sono il rapporto di svolta destra-sinistra e il numero di eventi di frenata forte (definiti come manovre con tassi di decelerazione ≥ 0,4 g).

"Con l'avanzamento dell'età, i conducenti fanno relativamente meno svolte a sinistra e più svolte a destra, perché quelle a sinistra sono più rischiose", ha osservato la Di.

Guohua Li MD/DrPH, professore di epidemiologia e anestesiologia della Columbia e autore senior dello studio, ha affermato:

“Circa l'85% degli anziani negli Stati Uniti sono conducenti con patente. Come modalità preferita di trasporto personale, la guida ha un ruolo importante nel mantenere l'indipendenza, l'autocontrollo, la connessione sociale e la qualità della vita. Il funzionamento in sicurezza di un'auto richiede funzioni cognitive e fisiche essenziali.

"Il nostro studio indica che possiamo usare i marcatori digitali incorporati nei dati di guida di routine, con tecniche di apprendimento automatico innovative come intelligenza artificiale valida e affidabile per prevedere MCI e demenza. La diagnosi precoce di MCI/demenza potrebbe portare a valutazione tempestiva, diagnosi e interventi, che sono particolarmente salienti in assenza di terapie efficaci".