גישת למידה ממוחשבת לעיצוב הקרנה סלקטיבית יעילה של ליקוי קוגניטיבי מתון

הזדקנות האוכלוסייה מגבירה את השכיחות של מחלות כרוניות וניווניות, במיוחד ניוון ניווניות, אשר צפויים להשפיע על יותר מ 131,000,000 אנשים ברחבי העולם על ידי 2050¹. בין כל מחלת הניווניות, אלצהיימר (AD) הוא הנפוץ ביותר עם שכיחות כוללת באירופה של 6.88%². בשל העצמאות הפוחתת אי-פעם של חולי AD, קבוצה זו צריכה להתחיל לקבל תמיכה ברגע שAD מתחיל להתבטא. לכן, הגילוי המוקדם של סימני הפרודרואל של AD, כגון ליקוי קוגניטיבי מתון (MCI), הוא חיוני.

MCI מוגדר כשלב הידרדרות קוגניטיבית ביניים המתאים הזדקנות נורמלית הידרדרות חמורה עקב דמנציה³. על פי האומדנים על ידי פיטרסון ואח ‘⁴, השכיחות של MCI היא 8.4% בקרב אנשים בגילאי 65-69 שנים ומגיע 25.2% עבור אלה בגילאי מעל 80 שנים. ה-MCI גורם לאנשים החווים קשיים רבים יותר מהצפוי בביצוע מיומנויות קוגניטיביות ברמה נמוכה, במיוחד אלה הקשורים לזיכרון ולשפה, אך אינה מפריעה לפעילויות של החיים היומיומיים.

הקרנה אינה מילה נרדפת לאבחנה; האבחנה של MCI תמיד תהיה משימה קלינית בעוד שיטות ההקרנה יכול רק ליידע אותנו כי למטופל יש סבירות גבוהה יותר של סבל מפתולוגיה זו וכי יש חשד מבוסס על MCI כי יש לאשר מבחינה קלינית. מכאן, עובדי הבריאות העיקריים (רופאים, רוקחים, אחיות, וכו ‘) יכול ליהנות מזמינות של שיטות הקרנה פשוטה (בדיקות קוגניטיביות קצרות) כי ניתן להחיל בתוך דקות. באופן אידיאלי, אלה יהיה באובייקטיביות לזהות חולים עם הסתברות גבוהה של סבל MCI, כך שהם יוכלו להיבדק קלינית על ידי רופאים כלליים או מיוחדים.

בהתחשב בכך גילוי מוקדם של MCI הוא הופך משימה חיונית בתוך ההקשר של בריאות הציבור, עבודה זו נועדה לזהות אילו מאפיינים שימושיים בזיהוי ייעודי של MCI בבדיקות בדיקות של אוכלוסיות מבוגרות. קבוצות אלה ייבדקו באופן יסודי יותר עבור MCI בבדיקות שמנוהלות על-ידי ספקי הבריאות הראשיים. מתודולוגיה זו מספקת עץ החלטה עם האלגוריתמים המתאימים לזיהוי קבוצות האוכלוסייה למטרה.

בין המאפיינים הללו, גיל הוא אחד הגורמים העקביים ביותר הקשורים להתפתחות של פתולוגיה זו. מאפיינים רלוונטיים אחרים קשורים לדמוגרפיה או לסגנון חיים⁵. בין היתר, מחקרים מסוימים זיהו את משך שינה ביום או בלילה כגורם סיכון שיכול להוביל לאבחון של MCI^5,6,7,8,9. הצריכה הממושכת של תרופות כגון בנזודיאזפינים, נצרך על ידי מוערך 20%-25% מהמבוגרים^10,11, יכול גם להשפיע על שעות השינה ואת ההתפתחות של MCI^12,13. אכן, טיפולים ממושכים עבור מחלות כרוניות עשויות להיות תכונות חשובות שימושיות בבחירת מראש של אנשים עם סיכון גבוה של סבל מ-MCI.

כאן, פיתחנו מודלים מבוססי נתונים המשתמשים באלגוריתמים למידה אוטומטית, עץ החלטה, וכלי ניבוי כדי להגביר את יעילות המתודולוגיה לגילוי MCI על-ידי הפלה המאפיינים המלאים תפקיד חשוב בתחילת זיהוי של MCI. עץ ההחלטה הנובעת המוצגת כאן הופק באמצעות קבוצה מסוימת של חולים ספרדיים באמצעות בתי מרקחת קהילתיים. עם זאת, שיטה זו תהיה שימושית גם בקרב אוכלוסיות אחרות עם מאפיינים שונים.

עבודה זו הושלמה בשיתוף פעולה עם הרפואה העיקרית ורופאים מיוחדים. בתי מרקחת קהילתיים היו אידיאליים לבדיקת אלגוריתם זה מכיוון שהם קרובים לחולים, יש להם שעות פתיחה ארוכות, ולעתים קרובות הם ביקרו והתייעצו. מחלות ניווניות הן תנאים מורכבים אשר לא תמיד הבינו היטב על ידי ספקי הבריאות העיקריים¹⁴. לכן, להיות מעורב בתהליך יעלה את המודעות של אנשים הסובלים MCI ו dementias.