경도 인지 장애의 효율적인 선택적 스크리닝을 설계하는 기계 학습 접근 방식

인구 고령화는 2050년까지 전 세계적으로 1억 3,100만 명 이상에게 영향을 미칠 것으로 예상되는 만성 및퇴행성 질환, 특히 퇴행성 치매의 유병률을 증가시키고 있다 1. 모든 퇴행성 치매 중에서, 알츠하이머병(AD)은 유럽에서 6.88%^2의전반적인 유병률을 가진 가장 흔한 질환이다. AD 환자의 계속 감소하는 독립성 때문에, 이 단은 AD가 명시하기 시작하자마자 지원을 수신하기 시작해야 합니다. 따라서 경도 인지 장애(MCI)와 같은 AD의 프로드로말 징후를 조기에 발견하는 것이 필수적입니다.

MCI는 치매로 인한 정상적인 노화 및 심한 악화에 대응하는 중간 인지 기능 저하 단계로 정의된다^3. Petersen 등^4에의해 추정에 따르면, MCI의 보급은 65-69 세 사람들 중 8.4%이고 80 세 이상 사람들을 위해 25.2%에 도달합니다. MCI는 낮은 수준의 인지 능력, 특히 기억력과 언어와 관련된 능력을 실행하여 예상보다 더 많은 어려움을 겪고 있지만 일상 생활의 활동을 방해하지는 않습니다.

검열은 진단과 동의어가 아닙니다; MCI의 진단은 항상 임상 업무일 것이지만, 선별 방법은 환자가이 병리학으로 고통받을 확률이 높고 임상적으로 확인되어야하는 MCI의 잘 설립 된 의심이 있음을 알려줄 수 있습니다. 따라서, 1 차 적인 헬스케어 노동자 (닥터, 약사, 간호원 등)는 분에서 적용될 수 있는 간단한 검열 방법 (간단한 인식 시험)의 가용성에서 유익할 수 있었습니다. 이상적으로, 이들은 객관적으로 MCI를 겪기의 높은 확률을 가진 환자를 그 때 일반 또는 전문화한 의사에 의해 임상으로 시험될 수 있다 그래야 확인할 것입니다.

MCI의 조기 발견이 공중 위생의 맥락에서 필수적인 업무가 되고 있다는 것을 감안할 때, 이 일은 노인 인구의 선별 시험에서 MCI의 표적 식별에 유용한 특성을 확인하는 것을 목표로 했습니다. 이 단은 그 때 1 차적인 헬스케어 공급자에 의해 관리된 시험에서 MCI를 위해 더 철저하게 시험될 것입니다. 이 방법론은 대상집단 그룹을 식별하기 위한 적절한 알고리즘을 가진 의사 결정 트리를 제공합니다.

이러한 특성 중 나이는이 병리학의 발달과 관련된 가장 일관된 요인 중 하나입니다. 기타 관련 특성은 인구 통계학적 특성 또는 라이프스타일과 관련이^{있습니다 5.} 후자 중, 일부 연구는 MCI의 진단으로 이어질 수있는 위험 요소로 주간 또는 야간 수면의 기간을 확인^5,6,7,8,9. 벤조디아제핀과 같은 약물의 장기간 섭취는 노인^10,11의약 20 %-25 %가 소비되며 수면 시간과 MCI^12,13의발달에도 영향을 미칠 수 있습니다. 실제로, 만성 질환에 대한 장기간 치료는 MCI로 고통의 높은 위험을 가진 개인의 사전 선택에 유용한 중요한 기능이 될 수 있습니다.

여기서는 자동 학습 알고리즘, 의사 결정 트리 및 예측 도구를 사용하여 초기에 중요한 역할을 하는 특성을 차별하여 MCI 를 감지하는 방법론의 효율성을 높이는 데이터 기반 모델을 개발했습니다. MCI를 감지할 수 있습니다. 여기에 제시 된 결과 의사 결정 트리는 지역 사회 약국을 사용하여 스페인 환자의 특정 코호트를 사용하여 생산되었다. 그러나 이 방법은 특성이 다른 다른 채우기 에서도 유용합니다.

이 작품은 1 차적인 헬스케어 및 전문화한 닥터와 협력하여 완료되었습니다. 지역 사회 약국은 환자와 가깝고, 영업 시간이 길며, 자주 방문하고 상담하기 때문에이 알고리즘을 테스트하는 데 이상적입니다. 퇴행성 치매는 1차 의료제공자가 항상 잘 이해하지 못하는 복잡한^{상태이다(14).} 따라서, 이 과정에 관여하게 되면 MCI와 치매로 고통받는 사람들의 인식을 높일 수 있습니다.