基于机器学习与可穿戴设备数据评估老年人认知功能的可行性研究
信号处理
2024-03-26 v2 人机交互
机器学习
摘要
及时实施干预以减缓老年人认知衰退需要准确监测以检测认知功能变化。使用可连续监测已知与认知相关因素的可穿戴设备所收集的数据，可用于训练机器学习模型并开发基于可穿戴的认知监测系统。利用来自国家健康与营养检查调查（NHANES）中超过 2400 名老年人的数据，我们基于测量不同认知功能领域的三项认知测试 outcomes，开发了区分认知正常与认知不佳老年人的预测模型。在重复交叉验证中，相较于即时与延迟回忆（中位 AUC >0.72）和分类言语流畅性（中位 AUC >0.68），CatBoost、XGBoost 与 Random Forest 模型在基于处理速度、工作记忆与注意力预测认知时表现最佳（中位 AUC >0.82）。活动与睡眠参数也与其他认知子域相比，更强地关联于处理速度、工作记忆与注意力。我们的工作提供了概念验证：基于可穿戴的认知监测系统可能成为监测处理速度、工作记忆与注意力的传统方法的可行替代方案。我们进一步确定了可作为未来因果研究目标的新指标，以更好理解睡眠与活动参数如何影响老年人认知功能。
引用
@article{arxiv.2309.07133,
title = {Assessing cognitive function among older adults using machine learning and wearable device data: a feasibility study},
author = {Collin Sakal and Tingyou Li and Juan Li and Xinyue Li},
journal= {arXiv preprint arXiv:2309.07133},
year = {2024}
}