Ken641228的部落格

癡呆癥對駕駛行為的影響是一個被充分研究的話題。當神經變性導致認知能力下降時，觀察駕駛行為的變化當然不足為奇。然而，這項新研究旨在探索是否可以使用機器學習技術來識別駕駛數據中的模式，然後檢測出輕度認知功能障礙（MCI）或癡呆癥。

該研究利用瞭一項名為LongROAD（老齡化司機縱向研究）的長期研究數據，該研究對近3000名老齡司機進行瞭長達四年的追蹤，提供瞭一個大型縱向數據集。在LongROAD研究的過程中，33名受試者被診斷為MCI，31名受試者被診斷為癡呆癥。研究人員在LongROAD數據上訓練瞭一系列機器學習模型，其任務是從駕駛行為中檢測MCI和癡呆癥。

這項新研究的主要作者Sharon Di說：“基於從自然駕駛數據和基本人口統計學特征得出的變量，如年齡、性別、種族/民族和教育水平，我們可以預測MCI和癡呆癥，準確率為88%。”

盡管年齡是檢測MCI或癡呆癥的首要因素，但一些駕駛變量緊隨其後。這些變量包括："離傢15英裡（24公裡）范圍內出行的百分比......在傢開始和結束出行的長度，每次出行的時間等"。僅僅使用駕駛變量，這些模型仍然可以預測那些MCI或癡呆癥司機，準確率為66%。

研究人員表示，這項工作還處於早期階段，需要進行更多的調查，以具體瞭解MCI和癡呆癥之間駕駛特征的差異。此外，該研究明確指出，LongROAD數據中MCI和癡呆癥病例的數量不多，這意味著有必要進行更大規模的調查，以找出預測模型在現實世界環境中的廣泛通用性。

然而，這項研究確實指出瞭一個耐人尋味的未來場景，即智能手機應用程序或汽車內的軟件可以不斷監測人們的駕駛模式，在臨床癥狀變得明顯之前提供早期檢測認知能力下降的線索。當然，這一切的前提是我們在未來仍然會積極駕駛我們的汽車。

“我們的研究表明，自然的駕駛行為可以作為輕度認知功能障礙和癡呆癥的全面和可靠的標記，”研究資深作者李國華補充說。“如果得到驗證，本研究中開發的算法可以為早期檢測和管理老年司機的輕度認知障礙和癡呆癥提供一種新型的、非侵入性的篩選工具。”

這項新研究發表在《老年醫學》（Geriatrics）雜志上。