Deep Learning-Modelle sagen das Risiko für Alzheimer bei kognitiv gesunden älteren Menschen voraus
Forscher haben künstliche Intelligenz-Modelle entwickelt, die vorhersagen, welche gesunden älteren Menschen an Alzheimer erkranken werden, und dabei Genauigkeitsraten von 82-83 % unter Verwendung leicht beschaffbarer Frühindikatoren erreicht.
Was wurde untersucht?
Forscher untersuchten, ob Deep-Learning-Algorithmen das Risiko vorhersagen können, an Alzheimer zu erkranken, bei älteren Menschen ab 65 Jahren mit normaler kognitiver Funktion. Sie verglichen drei rechnerische Ansätze – DeepSurv, DeepHit und traditionelle Cox-Modelle – um zu identifizieren, welches am besten die Progression zu Alzheimer vorhersagt.
Was wurde gefunden?
Die Deep-Learning-Modelle DeepSurv und DeepHit erzielten Vorhersagegenauigkeitswerte (C-Index) von 0,82 und 0,83, und übertrafen damit leicht das traditionelle Cox-Modell mit 0,81. Alle drei Modelle zeigten eine gute Kalibrierung mit niedrigen Fehlerwerten (integrierte Brier-Werte von 0,05-0,08). Die Modelle verwendeten leicht beschaffbare klinische Frühindikatoren, um ihre Vorhersagen zu treffen.
Was bedeutet das?
Wenn sie in unabhängigen Populationen validiert werden, könnten diese Algorithmen zu schnellen Screening-Tools werden, um ältere Personen mit hohem Risiko für Alzheimer zu identifizieren, bevor Symptome auftreten. Solche Werkzeuge würden Klinikern helfen, präventive Interventionen zu priorisieren und Familien bei der Planung der Pflege zu unterstützen.
Einschränkung
Die Studie gibt nicht an, welche Datensätze für die Modellentwicklung verwendet wurden oder ob die Modelle in Populationen außerhalb der ursprünglichen Trainingsdaten getestet wurden, was vor der klinischen Anwendung entscheidend ist.