研究称通过追踪驾驶行为可以发现痴呆症的早期迹象
一组美国研究人员的一项新研究利用机器学习技术开发出了能够分析自然驾驶数据并检测驾驶员轻度认知障碍和痴呆症的算法。这项工作仍处于初步阶段，然而，研究人员声称，未来有可能使用智能手机应用程序或纳入汽车软件系统的设备来检测痴呆症的早期迹象。
痴呆症对驾驶行为的影响是一个被充分研究的话题。当神经变性导致认知能力下降时，观察驾驶行为的变化当然不足为奇。然而，这项新研究旨在探索是否可以使用机器学习技术来识别驾驶数据中的模式，然后检测出轻度认知功能障碍（MCI）或痴呆症。
该研究利用了一项名为LongROAD（老龄化司机纵向研究）的长期研究数据，该研究对近3000名老龄司机进行了长达四年的追踪，提供了一个大型纵向数据集。在LongROAD研究的过程中，33名受试者被诊断为MCI，31名受试者被诊断为痴呆症。研究人员在LongROAD数据上训练了一系列机器学习模型，其任务是从驾驶行为中检测MCI和痴呆症。
这项新研究的主要作者Sharon Di说：“基于从自然驾驶数据和基本人口统计学特征得出的变量，如年龄、性别、种族/民族和教育水平，我们可以预测MCI和痴呆症，准确率为88%。”
尽管年龄是检测MCI或痴呆症的首要因素，但一些驾驶变量紧随其后。这些变量包括："离家15英里（24公里）范围内出行的百分比......在家开始和结束出行的长度，每次出行的时间等"。仅仅使用驾驶变量，这些模型仍然可以预测那些MCI或痴呆症司机，准确率为66%。
![)0TS}F}0FZ{8TWXU3)]3JGX.png](https://static.cnbetacdn.com/article/2021/0429/3994f8c5a784e72.png)
研究人员表示，这项工作还处于早期阶段，需要进行更多的调查，以具体了解MCI和痴呆症之间驾驶特征的差异。此外，该研究明确指出，LongROAD数据中MCI和痴呆症病例的数量不多，这意味着有必要进行更大规模的调查，以找出预测模型在现实世界环境中的广泛通用性。
然而，这项研究确实指出了一个耐人寻味的未来场景，即智能手机应用程序或汽车内的软件可以不断监测人们的驾驶模式，在临床症状变得明显之前提供早期检测认知能力下降的线索。当然，这一切的前提是我们在未来仍然会积极驾驶我们的汽车。
“我们的研究表明，自然的驾驶行为可以作为轻度认知功能障碍和痴呆症的全面和可靠的标记，”研究资深作者李国华补充说。“如果得到验证，本研究中开发的算法可以为早期检测和管理老年司机的轻度认知障碍和痴呆症提供一种新型的、非侵入性的筛选工具。”
这项新研究发表在《老年医学》（Geriatrics）杂志上。