Detección de deterioro cognitivo mediante un algoritmo de aprendizaje automático

Autor/autores: Youn YC, Choi SH, Shin HW...(et.al)

El Mini Examen de Estado Mental (MMSE, por sus siglas en inglés) es una de las medidas de cognición más frecuentemente utilizadas. Sin embargo, el cuestionario de detección de demencia de Corea (KDSQ) es un método de detección más fácil y más confiable. En su lugar, se utilizaron otras variables clínicas y datos sin procesa...

Estás viendo una versión reducida de este contenido.

Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.

El Mini Examen de Estado Mental (MMSE, por sus siglas en inglés) es una de las medidas de cognición más frecuentemente utilizadas. Sin embargo, el cuestionario de detección de demencia de Corea (KDSQ) es un método de detección más fácil y más confiable. En su lugar, se utilizaron otras variables clínicas y datos sin procesar para este estudio sin tener en cuenta un valor de corte.

El objetivo de este estudio fue desarrollar un algoritmo de aprendizaje automático para la detección de deterioro cognitivo (IC) basado en el KDSQ y el MMSE.

Se obtuvo el conjunto de datos original del estudio del Centro de Investigación Clínica para la demencia de Corea del Sur. En total, 9, 885 y 300 pacientes fueron asignados al azar a los conjuntos de datos de entrenamiento y prueba, respectivamente.

Seleccionamos hasta 24 variables, incluyendo sexo, edad, duración de la educación, diabetes mellitus e hipertensión. Formamos un algoritmo de aprendizaje automático utilizando TensorFlow basado en el conjunto de datos de entrenamiento y luego calculamos su precisión utilizando el conjunto de datos de prueba. El costo se calculó realizando una regresión logística.

La precisión del modelo para predecir el IC basado solo en KDSQ, solo en MMSE y la combinación de KDSQ y MMSE fue de 84. 3%, 88. 3% y 86. 3%, respectivamente. Para el KDSQ, la sensibilidad para detectar la IC fue del 91, 50% y la especificidad para detectar la cognición normal (LN) fue del 59, 60%. La sensibilidad del MMSE fue del 94, 35% y la especificidad del 59, 62%. Al combinar el KDSQ y el MMSE, la sensibilidad para detectar el CI fue del 91, 5% y la especificidad para detectar el NL fue del 61, 5%.

El algoritmo que predice el IC basado en el MMSE es superior. Sin embargo, el KDSQ se puede administrar más fácilmente en la práctica clínica y el algoritmo que utiliza KDSQ es una herramienta de detección comparable.

Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.dovepress.com