Улучшение лечения деменции за счет более частого и своевременного диагностирования является приоритетом NHS, однако около половины людей, живущих с деменцией, живут с этим заболеванием, не подозревая об этом.
Теперь новая модель машинного обучения, которая сканирует регулярно собираемые данные NHS, показала многообещающие признаки способности прогнозировать недиагностированную деменцию в первичной медико-санитарной помощи.
В ходе исследования, проведенного под руководством Плимутского университета, были собраны данные в кодировке Read из 18 хирургических вмешательств общей практики по согласию в Девоне, Великобритания, для 26 483 пациентов в возрасте старше 65 лет.
Коды чтения – тезаурус клинических терминов, используемых для обобщения клинических и административных данных для британских врачей общей практики – были оценены на предмет того, могут ли они способствовать риску деменции, с учетом таких факторов, как вес и артериальное давление.
Эти коды использовались для обучения классификационной модели машинного обучения для выявления пациентов, у которых может быть деменция.
Результаты показали, что у 84% людей с деменцией было выявлено заболевание (значение чувствительности), в то время как 87% людей без деменции были правильно признаны не имеющими этого состояния (значение специфичности), согласно данным.
Эти результаты показывают, что модель может обнаруживать людей с деменцией с точностью до 84%. Это говорит о том, что модель машинного обучения может в будущем значительно сократить количество людей, живущих с недиагностированной деменцией – примерно с 50 процентов (текущая оценка) до 8 процентов.
Главный исследователь профессор Эммануэль Ифичор из Школы вычислительной электроники и математики Университета Плимута сказал, что результаты были многообещающими.
"Машинное обучение – это приложение искусственного интеллекта (ИИ), в котором системы автоматически учатся и улучшаются на основе опыта без явного программирования," он сказал. "Он уже используется для многих приложений в здравоохранении, таких как медицинская визуализация, но раньше его не использовали для данных пациентов. Методология многообещающая и, в случае ее успешной разработки и внедрения, может помочь улучшить диагностику деменции в первичной медико-санитарной помощи."
Доктор. Камилла Кэрролл, консультант-невролог в университетских больницах Плимутского фонда NHS и научный сотрудник Института трансляционной и стратифицированной медицины Университета Плимута, участвовала в исследовании.
Она сказала: "Деменция – это заболевание, которому способствуют множество различных факторов, и его бывает довольно сложно определить или предсказать. Имеются убедительные эпидемиологические данные о том, что ряд сердечно-сосудистых факторов и факторов образа жизни, таких как гипертония; высокое содержание холестерина; диабет; ожирение; Инсульт; мерцательная аритмия; курение; а снижение когнитивной, физической или социальной активности может предсказать риск развития деменции в более позднем возрасте, но не проводилось исследований, которые позволили бы нам быстро это увидеть. Таким образом, наличие инструментов, которые могут собирать огромный объем данных и автоматически определять пациентов с возможной деменцией для облегчения целевого скрининга, потенциально может быть очень полезным и помочь улучшить показатели диагностики."