Yeni Çalışma: Non-invaziv Test, Alzheimer ve Demans Riskini Öngörüyor

Yeni araştırmalar, teknolojideki ilerlemelerin artık yazılımın, rutin doktor ziyaretleri sırasında elde edilen bilgilerden bir kişinin Alzheimer hastalığı ve ilgili demans geliştirme riskini tahmin etmesine izin verdiğini gösteriyor.

Keşif, hem birey hem de ailesi için hayatı sık sık bozan kronik bir hastalığı tespit etmek için düşük maliyetli, müdahaleci olmayan bir yöntem olduğundan önemlidir.

Regenstrief Enstitüsü, Indiana Üniversitesi ve Merck'ten bilim adamları, elektronik tıbbi kayıtlardan alınan verileri kullanarak algoritmaları geliştirdi ve test etti. Alzheimer hastalığı ve ilgili demanslarla yaşayan yaşlı birinci basamak hastalarının en az% 50'si hiçbir zaman tanı alamadığı için yeni gelişme önemlidir.

Ve daha pek çoğu teşhis konulmadan önce iki ila beş yıl boyunca semptomlarla yaşıyor. Şu anda, demans riskini taramak için yapılan testler invaziv, zaman alıcı ve pahalıdır.

Regenstrief Enstitüsü'nde araştırma bilimcisi ve Indiana Üniversitesi'nde profesör olan baş araştırmacı Malaz Boustani, MD, MPH, "Bu yöntemin en güzel yanı, pasif olması ve şu anda kullanılan daha müdahaleci testlere benzer doğruluk sağlamasıdır" dedi. Tıp Okulu.

"Bu, demanslı yaşam olasılığına hazırlanmalarına yardımcı olarak ve harekete geçmelerini sağlayarak hastalara ve ailelerine önemli fayda sağlayabilen düşük maliyetli, ölçeklenebilir bir çözümdür."

Georgia State, Albert Einstein College of Medicine ve Solid Research Group'tan bilim adamlarını da içeren araştırma ekibi, geçtiğimiz günlerde iki farklı makine öğrenimi yaklaşımı hakkındaki bulgularını yayınladı.

Yayınlanan bir makale Amerikan Geriatri Derneği Dergisi, doğal bir dil işleme algoritmasının sonuçlarını analiz etti. Bu teknikte makine öğrenimi yaklaşımları örnekler analiz edilerek belirlenir.

İlgili bir yaklaşım, bir Tıpta Yapay Zeka makale, bir dizi karar ağacı kullanan bir modelin sonuçlarını paylaştı. Her iki yöntem de tanıdan sonraki bir ve üç yıl içinde demans başlangıcını tahmin etmede benzer doğruluk gösterdi.

Algoritmaları eğitmek için araştırmacılar, Indiana Hasta Bakım Ağı'ndan hastalar hakkında veri topladılar. Modeller, demansın başlangıcını tahmin etmek için, yapılandırılmış alanlar olan reçeteler ve teşhisler ile serbest metin olan tıbbi notlar hakkındaki bilgileri kullandı.

Araştırmacılar, ücretsiz metin notlarının, hastalığı geliştirme riski taşıyan kişilerin belirlenmesine yardımcı olmak için en değerli olduğunu buldular.

IU Tıp Fakültesi'nden çalışma yazarı ve Regenstrief'e bağlı bir bilim insanı olan PhD Patrick Monahan, "Bu araştırma heyecan verici çünkü potansiyel olarak hastalara ve ailelerine önemli yararlar sağlıyor" dedi.

"Klinisyenler, hastaların semptomlarıyla baş etmelerine ve daha kaliteli bir yaşam sürmelerine yardımcı olmak için davranış ve alışkanlıklar konusunda eğitim verebilir."

Purdue Mühendislik ve Teknoloji Okulu'ndan bir çalışma yazarı olan PhD, MS, Zina Ben Miled şöyle açıklıyor: “Erken risk tespiti, doktorlara ve ailelere bir bakım planı oluşturma fırsatı veriyor. Demans teşhisi ile baş etmenin ne kadar zor olabileceğini deneyimlerimden biliyorum. Bu testin sağladığı pencere, hem hastalar hem de aileleri için yaşam kalitesini iyileştirmeye yardımcı olmak için çok önemlidir. "

Ailelere sağladığı faydaya ek olarak, bu yöntemler hastalar ve sağlık sistemleri için de önemli maliyet tasarrufu sağlayabilir. Pahalı testlere olan ihtiyacın yerini alır ve klinisyenlerin en çok risk altında olanları belirlemek için tüm popülasyonları taramasına izin verir. Semptomların başlamasını geciktirmek, tedavide önemli miktarda para tasarrufu da sağlar.

Bir sonraki adım, bu makine öğrenimi algoritmalarını gerçek yaşam kliniklerinde kullanmak ve bunların daha gerçek demans vakalarını belirlemeye yardımcı olup olmadıklarını test etmek ve bir hastanın sonuçları takip etme istekliliğini nasıl etkilediğini öğrenmek.

Kaynak: Regenstrief Enstitüsü