早筛网讯：
近日，印第安纳大学等团队研究人员发表了一项
研究，
其联合开发了一种低成本、可扩展的方法，
用于早期识
别有发展痴呆风险的个体。
尽管痴呆症目前尚无法治愈，但通过识别和干预常见的风险因素，有可能降低个体发展痴呆的可能性或减缓认知衰退的速度。研究发表在《Computers in Biology and Medicine》上。
“痴呆风险的检测对于适当的护理管理和规划至关重要，”该研究的作者Malaz Boustani博士说
，“我们的目标是开发一种既经济又可扩展的解决方案，用于早期识别那些可能发展成痴呆的个体。”
这项技术的核心在于利用机器学习算法，从患者的电子健康记录（EHR）中提取与痴呆风险预测相关的短语或句子。这些记录由医疗专业人员撰写，包括医生、护士、社会工作者等，涵盖了患者的健康叙述和相关数据。
通过分析医疗记录中的被动数据，该技术能够在不到一美元的成本下进行零分钟评估。
研究团队解释说，从医疗记录中提取的信息包括临床医生的评论、患者的反馈、血压或胆固醇值的变化、家庭成员对患者精神状态的观察以及药物使用历史，包括处方药、非处方药、天然疗法和补充剂。
“我们的方法结合了监督和非监督机器学习，以便从大量可用的医疗记录中提取与痴呆相关的语句，”该研究的共同作者，前普渡大学印第安纳波利斯分校教员Zina Ben Miled博士说。“除了提高预测准确性外，这还允许医疗保健提供者通过审查我们的语言模型用于风险评估的特定文本，快速确认认知障碍。”
“Regenstrief研究所和印第安纳大学的研究人员自20世纪70年代初以来一直是展示电子健康记录实用性的先驱。鉴于临床医生和患者为捕获EHR数据所做的巨大努力，目标必须是从这些数据中寻求最大的临床价值，甚至超出它们在医疗保健中的中心角色，”该研究的共同作者、Regenstrief和IU医学院的Paul Dexter博士说。“通过应用机器学习方法识别未来痴呆高风险患者，这项研究提供了一个优秀和创新的例子，展示了从EHRs中可以实现的临床价值。随着新治疗方法的发展，早期识别痴呆将变得越来越重要。”
这项研究的5年临床试验正在印第安纳波利斯和迈阿密进行，目前已进入最后一年。研究团队计划将医疗记录与其他电子健康记录中的信息以及环境数据进行融合，以进一步推进痴呆风险预测框架在初级保健实践中的应用。
尽管这种方法听起来并不复杂，并且依赖于医疗记录、医生和护士的评论以及记录，可能存在主观性等问题，但这种几乎零成本且能够迅速提供的评测结果，无疑具有极大的吸引力。
在中国这样一个人口基数庞大且开始进入老龄化社会的国家，大量的数据提供了一个理想的环境，或许可以尝试并应用这种低成本、快速的初步风险评估策略。
通过这种方式，可以大规模地识别那些可能发展成痴呆的高风险个体，为早期干预和资源分配提供依据。因此，将这种方法作为一种初步的风险评估工具，在实际应用中或许可行，特别是对于基层医疗领域，有不错的潜力。
进群、合作、投稿请扫码：
