Metodo non invadente per identificazione in anticipo del morbo di Alzheimer e della demenza relativa

Le informazioni riunite dalle visite sistematiche al medico sono abbastanza per predire esattamente il rischio di una persona di sviluppare il morbo di Alzheimer e le demenze relative, secondo la nuova ricerca piombo dagli scienziati dall'istituto, dall'Indiana University e da Merck di Regenstrief. I ricercatori hanno messo a punto e sperimentato gli algoritmi di apprendimento automatico facendo uso dei dati dalle cartelle sanitarie elettroniche per identificare i pazienti che possono essere a rischio di sviluppare la demenza.

Almeno 50 per cento dei pazienti più anziani di pronto intervento che vivono con il morbo di Alzheimer e le demenze relative non ricevono mai una diagnosi. E molto altro viva con i sintomi per due - cinque anni prima della diagnostica. Corrente, le prove allo schermo per il rischio di demenza sono dilaganti, che richiede tempo e costose.

La grande cosa circa questo metodo è che è passiva e fornisce la simile accuratezza alle prove più intrusive che corrente sono usate. Ciò è un basso costo, soluzione evolutiva che può fornire il vantaggio sostanziale ai pazienti e le loro famiglie aiutandole prepari per la possibilità di vita con demenza e permettere loro agire.„

Malaz Boustani, M.D., MPH, ricercatore del cavo, ricercatore all'istituto di Regenstrief e un professore alla scuola di medicina di Indiana University

Algoritmi di apprendimento automatico di sviluppo per demenza di predizione

Il gruppo di ricerca, che egualmente ha incluso gli scienziati dallo stato della Georgia, dall'istituto universitario di Albert Einstein di medicina e dal gruppo di ricerca solido, recentemente ha pubblicato i sui risultati su due approcci differenti di apprendimento automatico. Il documento pubblicato nel giornale della società americana della geriatria ha analizzato i risultati di un algoritmo del linguaggio naturale di trattamento, che impara le norme analizzando gli esempi e l'intelligenza artificiale in articolo della medicina ha diviso i risultati da un modello casuale della foresta, che è sviluppato facendo uso di un insieme di alberi di decisione. Entrambi i metodi hanno mostrato la simile accuratezza a predire l'inizio di demenza in un e tre anni di diagnosi.

Per preparare gli algoritmi, i ricercatori hanno riunito i dati sui pazienti dalla rete dell'Indiana per cura paziente. I modelli hanno usato le informazioni sulle prescrizioni e diagnosi, che sono campi strutturati come pure note mediche, che sono testo, per predire l'inizio di demenza. I ricercatori hanno trovato che le note del testo erano il più apprezzato all'aiuto identificano la gente a rischio di sviluppare la malattia.

“Questa ricerca è emozionante perché potenzialmente fornisce il vantaggio significativo ai pazienti ed alle loro famiglie,„ ha detto Patrick Monahan, PhD, autore di studio dalla scuola di medicina di IU e uno scienziato della filiale di Regenstrief. “I clinici possono fornire la formazione su comportamento e su abitudini per aiutare i pazienti a fare fronte ai loro sintomi ed a vivere una migliore qualità di vita.„

Zina Ben Miled, PhD, M.S., un autore di studio dal banco di Purdue di assistenza tecnica e la tecnologia a IUPUI e ad un Regenstrief affilia lo scienziato, ha detto, “l'identificazione in anticipo di rischio permette un'opportunità affinchè medici e le famiglie stabilisca una pianificazione di cura. Conosco da esperienza ché carico può essere di occuparsi di una diagnosi di demenza. La finestra fornita da questa prova è così importante da contribuire a migliorare la qualità di vita per entrambi i pazienti e le loro famiglie.„

Oltre al vantaggio per le famiglie, questi metodi possono anche fornire le riduzioni dei costi significative per i pazienti ed i sistemi di salubrità. Sostituiscono l'esigenza delle prove costose e che permettono che i clinici schermino le intere popolazioni per identificare quelli più al rischio. Il ritardo dell'inizio dei sintomi egualmente risparmia una quantità significativa di moneta sul trattamento.

Il punto seguente è di spiegare queste cliniche di algoritmi di apprendimento automatico in realtà per provare se contribuiscono ad identificare i casi più veri di demenza come pure ad imparare come urtano la volontà di un paziente di continuare sui risultati.

Source:
Journal reference:

Boustani, M, et al. (2020) Passive Digital Signature for Early Identification of Alzheimer's Disease and Related Dementia. Journal of the American Geriatrics Society. doi.org/10.1111/jgs.16218.