En utilisant des techniques d’apprentissage d’ensemble et des données longitudinales d’une vaste étude de conduite naturaliste, des chercheurs de la Mailman School of Public Health de l’Université de Columbia, de la Fu Foundation School of Engineering and Applied Science et du Vagelos College of Physicians and Surgeons ont développé un nouvel algorithme interprétable et très précis. pour prédire les troubles cognitifs légers et la démence chez les conducteurs âgés. Les marqueurs numériques font référence à des variables générées à partir de données capturées par des dispositifs d’enregistrement dans le cadre du monde réel. Ces données pourraient être traitées pour mesurer le comportement de conduite, les performances et le modèle tempo-spatial avec des détails exceptionnels. L’étude est publiée dans la revue L’intelligence artificielle en médecine.
Les chercheurs ont utilisé une méthode de classification basée sur l’interaction pour sélectionner les variables prédictives dans l’ensemble de données. Ce modèle d’apprentissage a atteint une précision de 96 % dans la prédiction des troubles cognitifs légers et de la démence, surpassant les modèles d’apprentissage automatique traditionnels tels que la régression logistique et les forêts aléatoires – une technique statistique largement utilisée dans l’IA pour classer l’état de la maladie. « Notre nouveau modèle d’apprentissage d’ensemble basé sur des marqueurs numériques et des caractéristiques démographiques de base pourrait prédire avec une excellente précision les troubles cognitifs légers et la démence chez les conducteurs âgés », a déclaré Sharon Di, professeur agrégé de génie civil et de mécanique du génie à Columbia Engineering et auteur principal de l’étude.
Les enquêteurs ont construit 200 modules variables en utilisant les données de conduite naturalistes sur le conducteur, le véhicule et l’environnement capturées par les dispositifs d’enregistrement embarqués pour 2977 conducteurs participant au projet Longitudinal Research on Aging Drivers (LongROAD), une étude de cohorte prospective menée dans cinq sites à travers les États-Unis contigus et parrainés par la Fondation AAA pour la sécurité routière. Au moment de l’inscription, les participants étaient des conducteurs actifs âgés de 65 à 79 ans qui étaient cognitivement intacts. Les données utilisées dans cette étude provenaient des trois premières années de suivi, allant d’août 2015 à mars 2019. Au cours du suivi, 36 participants ont été diagnostiqués avec une déficience cognitive légère, 8 avec la maladie d’Alzheimer et 17 avec d’autres ou non spécifiés. démence.
Les chercheurs ont effectué une série d’expériences de modélisation informatique et ont découvert que le nouveau modèle d’apprentissage d’ensemble est 6 à 10 % plus précis que les forêts aléatoires et les modèles de régression logistique pour prédire les troubles cognitifs légers et la démence. Les deux variables de conduite les plus influentes sont le rapport de braquage de droite à gauche et le nombre d’événements de freinage brusque (définis comme des manœuvres avec des taux de décélération ≥ 0,4 g). « Avec l’âge, les conducteurs font relativement moins de virages à gauche et plus de virages à droite parce que les virages à gauche sont plus risqués », a noté Di.
Environ 85 % des personnes âgées aux États-Unis sont des conducteurs titulaires d’un permis. En tant que mode de transport personnel préféré, la conduite automobile joue un rôle important dans le maintien de l’indépendance, de la maîtrise de soi, des liens sociaux et de la qualité de vie. Conduire une voiture en toute sécurité nécessite des fonctions cognitives et physiques essentielles. Notre étude indique que les marqueurs numériques intégrés dans les données de conduite collectées en routine peuvent être utilisés grâce à des techniques innovantes d’apprentissage automatique en tant qu’intelligence artificielle valide et fiable pour prédire les troubles cognitifs légers et la démence. La détection précoce des troubles cognitifs légers et de la démence pourrait conduire à une évaluation, un diagnostic et des interventions en temps opportun, qui sont particulièrement saillants en l’absence de traitements efficaces. »
Guohua Li, MD, DrPH, professeur d’épidémiologie et d’anesthésiologie à la Columbia Mailman School of Public Health et au Vagelos College of Physicians and Surgeons, et auteur principal
Les co-auteurs sont Carolyn DiGuiseppi, Colorado School of Public Health ; David W. Eby, Institut de recherche sur les transports de l’Université du Michigan ; Linda Hill, École de santé publique de l’Université de Californie à San Diego ; Thelma J. Mielenz, École de santé publique Columbia Mailman ; David Strogatz, Institut de recherche Bassett ; et Minjae Kim, Columbia Vagelos College of Physicians and Surgeons.
L’étude a été financée en partie par la Fondation AAA pour la sécurité routière.
