Predicting Subjective Cognitive Decline on Future BRFSS Survey Years: An Open Multi-Language Machine Learning Benchmark
本研究提出了一个基于行为风险因素监测系统（BRFSS）数据的开放式多语言机器学习基准测试，该基准测试展示了在时间分割下对未来主观认知下降（SCD）进行稳定且良好校准的预测，同时通过收敛的可解释性方法识别出了诸如决策困难等关键预测因子。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
对于许多人来说，大脑发生变化的第一个征兆并非医疗检测结果，而是一种无声的、个人的担忧。他们可能会觉得记忆力在衰退，或者比平时更加困惑。这种被称为“主观认知下降”的感觉是成年人的一种常见经历，但由于它完全依赖于一个人所表达的感觉，而非医生所能观察到的现象，因此很难进行研究。虽然这种感觉有时可能是阿尔茨海默病等严重疾病的早期预警信号，但也可能源于压力、睡眠不足或其他健康问题。由于这种感觉非常私人化且成因多样，追踪大规模人群的情况一直是公共卫生官员面临的挑战。他们需要一种方法来了解谁处于风险之中，以及这些感觉如何随时间变化，但传统方法往往依赖于小规模患者群体或并非人人都能负担得起的昂贵脑部扫描。
一个研究团队通过构建一种新型数字工具来解决这一问题，旨在追踪全美范围内的这些感受。研究人员并没有在医院观察患者，而是转向了一个名为“行为风险因素监测系统”的大型持续性电话调查，该系统每年都会询问数百万美国人关于其健康状况的问题。研究人员希望看看，是否可以利用人们对日常生活情况的回答——例如他们对整体健康的感受、是否在做决策时遇到困难，或者是否正受抑郁困扰——来预测谁在未来更有可能报告记忆问题。为此，他们创建了一个能够从过往调查数据中学习并对未来年份进行预测的计算机程序，这种方法就像是公共卫生的“天气预报”，利用今天的模式来推测明天的趋势。
研究人员将 2015 年至 2024 年的调查数据分为三个不同的时间段，以确保测试过程的公平性。他们利用最早的年份来训练计算机程序，利用中间年份来检查学习是否正确，并利用最近的、程序从未接触过的年份来观察其是否真的能够进行预测。这种严格的区分确保了结果并非仅仅是基于旧数据的偶然巧合。他们在两个地方测试了这种方法：一是针对全国范围，二是专门针对纽约州。在这两种情况下，他们对比了十六种不同类型的机器学习算法，以找出表现最佳的一种。其目标不是寻找单一的完美机器，而是建立一个可靠且开放的系统，供其他科学家使用和改进。
结果显示，计算机模型在识别模式方面非常成功。当系统观察 2023 年和 2024 年的最新数据时，它能够区分报告记忆担忧的人与未报告的人，且其准确度在不同的编程语言和方法下保持一致。这些模型的表现足以表明，它们可以用于公共卫生监测，帮助官员在认知问题演变成危机之前发现上升趋势。然而，研究人员谨慎地指出，这些工具并非旨在为个人进行诊断。该系统的优势在于根据风险对人群进行排序，而非告知某个特定的人是否患有某种特定疾病。其准确度足以用于大规模监测，但还不足以取代医生对单个患者的评估。
其中最引人注目的发现之一是，不同方法之间的信号具有高度的一致性。无论研究人员使用的是复杂的计算机模型、标准的统计方程，还是展示不同健康因素如何关联的视觉图谱，相同的几个关键因素都脱颖而出，成为了最强的指标。最重要的单一因素是：一个人是否表示由于健康问题而在做决策时遇到困难。那些对该问题回答“是”的人，比回答“否”的人更有可能报告记忆问题。其他强有力的信号还包括个人对整体健康的评价以及是否正在应对抑郁。这些发现表明，认知下降的感觉与一个人的整体生理和心理健康状态密切相关，而非一个孤立的症状。
研究还强调了一个日益增长的数据趋势。报告记忆和困惑问题的受访人数在调查的后期明显增加，特别是在 2023 年和 2024 年。计算机模型能够追踪这一上升趋势，并即使在整体数值发生变化的情况下，也能继续区分有忧虑感的人与无忧虑感的人。这种适应新数据的能力至关重要，因为这意味着该工具即使在健康环境发生变化时也能保持实用。研究人员向公众开放了他们的整个流程，包括代码和数据，以便其他科学家可以验证结果或将同样的方法应用于不同的地区。
最终，这项工作为在大规模范围内倾听公众的声音提供了一种新途径。通过将简单的调查答案转化为预测工具，研究人员创建了一个系统，可以帮助卫生官员了解全国范围内认知问题的规模。该工具并未解决人们为何产生这些感觉的谜团，也未提供疗法，但它提供了一幅清晰的、基于数据的图像，描绘出谁正在挣扎以及这些挣扎如何随时间演变。它将零散的个人忧虑转化为一张导向图，用以指导未来的研究和公共卫生工作，确保人口的需求能够随着时代的发展被看见并被理解。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。