Les algorithmes d'apprentissage automatique utilisant des dossiers de santé électroniques peuvent prédire efficacement le risque de démence de deux ans chez les adultes indigènes de l'Indien d'Amérique / l'Alaska âgés de 65 ans et plus, selon une étude dirigée par l'Université de Californie. Les résultats fournissent un cadre précieux pour d'autres systèmes de santé, en particulier ceux desservant des populations limitées en ressources.
Les résultats de la modélisation informatique ont également trouvé plusieurs nouveaux prédicteurs de diagnostic de démence qui ont été identifiés de manière cohérente sur différents modèles d'apprentissage automatique. Les résultats sont publiés dans le Santé régionale de Lancet – Amériques. Les National Institutes of Health ont soutenu la recherche.
Jusqu'à présent, aucune autre étude n'a envisagé d'exploiter la puissance des modèles d'apprentissage automatique pour aider à prédire le risque de démence parmi la population indigène des Indiens d'Amérique / Alaska historiquement sous-étudiée, telle que définie par le US Census Bureau.
Les modèles d'apprentissage automatique, qui permettent aux ordinateurs de prendre des prédictions ou des décisions à l'aide de vastes ensembles de données sans programmation explicite pour chaque tâche, améliorent l'efficacité, la précision et l'évolutivité dans l'analyse de grands ensembles de données.
La population d'adultes autochtones américains et autochtones américains plus âgés devrait augmenter près de trois fois entre 2020 et 2060. La démence étant une cause de handicap et de mortalité dans ce groupe d'âge, cette condition débilitante est une préoccupation croissante dans cette communauté.
En plus de nombreuses affections telles que le déclin cognitif, le système immunitaire affaibli et la dépression, la démence a des impacts sociétaux de grande envergure. Il fait des ravages sur les membres de la famille émotionnellement, engage des dépenses médicales substantielles et contribue à une baisse générale de la qualité de vie.
Les chercheurs en santé publique jouent un rôle important en aidant les cliniciens et les décideurs à prendre des décisions éclairées sur la santé de la population. Si les études futures confirment ces résultats, nos résultats pourraient s'avérer précieux pour le service de santé indien et les cliniciens de la santé tribale pour identifier des individus à haut risque, faciliter les interventions en temps opportun et améliorer la coordination des soins. «
Luohua Jiang, professeur d'épidémiologie et de biostatistique, UC Irvine Joe C. Wen School of Population & Public Health
Jiang et ses collègues ont pris sept ans de données de l'entrepôt national de données du Service de santé indien et des bases de données des dossiers de santé électroniques connexes et divisé les données en une période de référence de cinq ans (2007 à 2011) et une période de prédiction de la démence de deux ans (2012 à 2013). L'étude comprenait près de 17 400 adultes indigènes de l'Amérique / Alaska âgés de 65 ans ou plus qui étaient sans démence à la ligne de base, dont près de 60% étaient des femmes.
Au cours du suivi de deux ans, 611 personnes (3,5%) ont reçu un diagnostic de démence. Quatre algorithmes d'apprentissage à la machine ont été évalués et comparés en fonction de leurs efforts de prétraitement des données et des performances du modèle. Parmi les trois modèles les plus performants que l'équipe a développés, 12 des 15 prédicteurs les mieux classés pour la démence étaient communs dans les trois modèles. Surtout, plusieurs nouveaux prédicteurs de la démence toutes causes, tels que l'utilisation des services de santé, ont été identifiés dans ces algorithmes.
Les auteurs supplémentaires incluent Kayleen Ports, un ancien étudiant de l'UC Irvine Master, et Jiahi Dai, un étudiant diplômé actuel, tous deux de Wen Public Health; Kyle Connniff, un récent diplômé du doctorat de l'UC Irvine en statistique; et Maria M. Corrada, professeur de neurologie à la UC Irvine School of Medicine. Spero M. Manson, professeur distingué, et Joan O'Connell, professeur agrégé, auprès des Centers for American Indian & Alaska Native Health à la Colorado School of Public Health, ont également contribué à l'étude.
Le National Institutes of Health AIM-ahead (Consortium d'intelligence artificielle / apprentissage automatique pour faire progresser l'équité en santé et la diversité des chercheurs, 1OT2OD032581) et le National Institute on Aging (R01AG061189) ont fourni un financement pour l'étude.
