机器学习模型预测美洲印第安人/阿拉斯加原住民成年人的痴呆风险

快速阅读: 据《News-Medical.Net》称，加州大学欧文分校研究利用机器学习算法，基于电子健康记录成功预测美洲原住民及阿拉斯加原住民老年人痴呆风险，发现多个新预测指标，为资源有限人群提供参考。该研究获美国国立卫生研究院资助，成果发表于《柳叶刀区域健康—美洲》。

加州大学欧文分校（UCI）2025年4月2日发布消息称，基于电子健康记录的机器学习算法能够有效预测65岁及以上的美洲原住民/阿拉斯加原住民成年人两年内的痴呆症风险。这一发现为其他医疗系统提供了宝贵的参考框架，尤其是那些服务于资源有限人群的医疗系统。计算机建模结果还发现了几个新的痴呆症诊断预测指标，在不同机器学习模型中被一致发现。研究结果发表于《柳叶刀区域健康—美洲》。

这项研究得到了美国国立卫生研究院的支持。机器学习模型通过利用大规模数据集，使计算机无需针对每个任务进行显式编程即可实现预测或决策，从而提高了分析大数据集的效率、准确性和可扩展性。预计到2060年，65岁及以上的美洲原住民和阿拉斯加原住民老年人口将增长近三倍。由于痴呆症是该年龄段残疾和死亡的主要诱因，这种令人衰弱的状况正日益引起该社区的关注。除了认知能力下降、免疫系统减弱和抑郁等多种疾病外，痴呆症还对社会产生深远影响。它给家庭成员带来情感负担，导致巨额医疗费用，并导致生活质量普遍下降。

相关报道指出，研究确定了中风和痴呆的关键预测因素；白天嗜睡可能使老年女性患痴呆的风险增加一倍；重量训练有助于保护老年人的大脑免受痴呆影响；姜江及其团队从印第安卫生服务国家数据仓库及相关电子健康记录数据库中提取了七年数据，分为五年基准期（2007年至2011年）和两年痴呆预测期（2012年至2013年）。研究纳入了约17,400名65岁及以上且基线时无痴呆的美洲原住民/阿拉斯加原住民成年人，其中约六成是女性。在两年随访期间，611人（3.5%）被诊断出患有痴呆症。

四种机器学习算法依据数据预处理工作量和模型性能进行了评估与比较。在团队开发的三个表现最佳的模型中，这三个模型共有12个排名最高的痴呆症预测指标是一致的。尤为重要的是，这些算法识别出了多个全因痴呆的新预测指标，如医疗服务利用率等。

其他作者包括前加州大学欧文分校硕士生凯琳·波特、现研究生研究员贾慧·戴伊（均来自温公共卫生学院）、统计学最近的加州大学欧文分校博士毕业生凯尔·康尼夫，以及加州大学欧文分校医学院神经病学教授玛丽亚·M·科拉达。此外，科罗拉多公共卫生学院美国印第安人与阿拉斯加原住民健康中心的杰出教授斯佩罗·M·曼森和副教授琼·奥康奈尔也为该研究做出了贡献。

美国国立卫生研究院AIM-AHEAD（人工智能/机器学习联盟以促进健康公平和研究人员多样性，1OT2OD032581）和美国国家老龄化研究所（R01AG061189）为该研究提供了资金支持。

**来源：加州大学欧文分校（UCI）**

**期刊参考文献：**

波特，K., 等。（2025）。机器学习用于预测美洲原住民和阿拉斯加原住民的痴呆症：一项回顾性队列研究。《柳叶刀区域健康—美洲》。doi.org/10.1016/j.lana.2025.101013。

(以上内容均由Ai生成)