2021年4月28日-哥伦比亚大学梅尔曼公共卫生学院和哥伦比亚大学富基金会工程与应用科学学院的研究人员利用自然驾驶数据和机器学习技术，开发出了用于检测老年驾驶员轻度认知障碍和痴呆症的高精度算法。自然驾驶数据是指在实际环境中通过车载记录设备或其他技术捕获的数据。可以对这些数据进行处理，以非常详细地测量驾驶曝光，空间和性能。研究结果发表在《老年医学》杂志上。
研究人员开发了随机森林模型，这是一种在AI中广泛用于对疾病状况进行分类的统计技术，效果非常好。“根据自然驾驶数据和年龄，性别，种族/民族和教育水平等基本人口统计特征得出的变量，我们可以预测轻度认知障碍和痴呆症，准确率达88%，”民事副教授Sharon Di说哥伦比亚工程学院的工程和工程力学专业以及该研究的主要作者。
研究人员使用车内记录设备捕获的自然驾驶数据构造了29个变量，该数据是由AAA交通安全基金会赞助的多地点队列研究(LongROAD)项目的2977名参与者进行的。在注册时，参与者是年龄在65-79岁之间的活跃驾驶员，没有明显的认知障碍和退化性医疗状况。本研究使用的数据跨度为2015年8月至2019年3月。
到2019年4月，在2977名参与者的汽车装有车载记录设备的参与者中，有33名被新诊断为轻度认知障碍，而31名被诊断为痴呆症。研究人员训练了一系列机器学习模型来检测轻度认知障碍/痴呆症，并发现基于驾驶变量和人口特征的模型的准确度为88%，比仅基于人口特征的模型(29%)和仅基于驾驶变量的模型(66%)要好得多。进一步的分析表明，年龄最能预测轻度认知障碍和痴呆，其次是在家庭15英里内旅行的百分比，种族/民族，每条旅行链的分钟数(即，从家开始和结束旅行的长度)，分钟每次旅行
“驾驶是一项复杂的任务，涉及动态的认知过程，需要基本的认知功能和感知运动技能。我们的研究表明，自然驾驶行为可以用作轻度认知障碍和痴呆症的综合且可靠的标志物，” Dr PH ，哥伦比亚梅尔曼公共卫生学院和瓦格洛斯医师与外科医生学院流行病学和麻醉学教授，资深作者。“如果得到验证，这项研究中开发的算法可以为早期检测和管理老年驾驶员的轻度认知障碍和痴呆症提供一种新颖，无障碍的筛查工具。”
标签： 老年驾驶员
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
