.
Usando técnicas de aprendizado conjunto e dados longitudinais de um grande estudo de direção naturalista, pesquisadores da Escola Mailman de Saúde Pública da Universidade de Columbia, da Escola de Engenharia e Ciências Aplicadas da Fundação Fu e da Faculdade de Médicos e Cirurgiões de Vagelos desenvolveram um algoritmo novo, interpretável e altamente preciso para prever comprometimento cognitivo leve e demência em motoristas mais velhos. Marcadores digitais referem-se a variáveis geradas a partir de dados capturados por meio de dispositivos de gravação no cenário do mundo real. Esses dados podem ser processados para medir o comportamento de direção, o desempenho e o padrão tempo-espacial com detalhes excepcionais. O estudo foi publicado na revista Inteligência Artificial na Medicina.
Os pesquisadores usaram um método de classificação baseado em interação para selecionar variáveis preditivas no conjunto de dados. Esse modelo de aprendizado alcançou uma precisão de 96% na previsão de comprometimento cognitivo leve e demência, superando os modelos tradicionais de aprendizado de máquina, como regressão logística e florestas aleatórias – uma técnica estatística amplamente usada em IA para classificar o status da doença. “Nosso novo modelo de aprendizado conjunto baseado em marcadores digitais e características demográficas básicas pode prever comprometimento cognitivo leve e demência em motoristas mais velhos com excelente precisão”, disse Sharon Di, professor associado de engenharia civil e mecânica da Columbia Engineering e principal autor do estudo.
Os pesquisadores construíram 200 módulos variáveis usando os dados de condução naturalísticos do motorista, do veículo e do ambiente capturados por dispositivos de gravação no veículo para 2.977 motoristas participantes do projeto Longitudinal Research on Aging Drivers (LongROAD), um estudo de coorte prospectivo conduzido em cinco locais nos Estados Unidos contíguos e patrocinados pela AAA Foundation for Traffic Safety. No momento da inscrição, os participantes eram motoristas ativos com idade entre 65 e 79 anos e cognitivamente intactos. Os dados usados neste estudo vieram dos primeiros três anos de acompanhamento, de agosto de 2015 a março de 2019. Durante o acompanhamento, 36 participantes foram diagnosticados com comprometimento cognitivo leve, 8 com doença de Alzheimer e 17 com outras doenças ou não especificadas. demência.
Os pesquisadores realizaram uma série de experimentos de modelagem de computador e descobriram que o novo modelo de aprendizado conjunto é de 6 a 10% mais preciso do que florestas aleatórias e modelos de regressão logística na previsão de comprometimento cognitivo leve e demência. As duas variáveis de direção mais influentes são a relação de conversão da direita para a esquerda e o número de eventos de frenagem brusca (definidos como manobras com taxas de desaceleração ≥ 0,4 g). “Com o avanço da idade, os motoristas fazem relativamente menos curvas à esquerda e mais à direita porque as curvas à esquerda são mais arriscadas”, observou Di.
“Cerca de 85 por cento dos adultos mais velhos nos Estados Unidos são motoristas licenciados. Como o meio de transporte pessoal preferido, dirigir desempenha um papel importante na manutenção da independência, autocontrole, conexão social e qualidade de vida. Operar um carro com segurança requer funções cognitivas e físicas essenciais. Nosso estudo indica que marcadores digitais embutidos em dados de direção coletados rotineiramente podem ser usados por meio de técnicas inovadoras de aprendizado de máquina como inteligência artificial válida e confiável para prever comprometimento cognitivo leve e demência “, disse Guohua Li, MD, DrPH, professor de epidemiologia e anestesiologia na Columbia Mailman School of Public Health e Vagelos College of Physicians and Surgeons, e autor sênior. “A detecção precoce de comprometimento cognitivo leve e demência pode levar a avaliação, diagnóstico e intervenções oportunas, que são especialmente importantes na ausência de terapêutica eficaz”.
Os co-autores são Carolyn DiGuiseppi, Colorado School of Public Health; David W. Eby, Instituto de Pesquisa de Transporte da Universidade de Michigan; Linda Hill, Escola de Saúde Pública de San Diego da Universidade da Califórnia; Thelma J. Mielenz, Escola de Saúde Pública Columbia Mailman; David Strogatz, Instituto de Pesquisa Bassett; e Minjae Kim, Columbia Vagelos College of Physicians and Surgeons.
O estudo foi apoiado em parte pela Fundação AAA para Segurança no Trânsito.
.
