J ALZHEIMERS DIS：利用机器学习对认知障碍进行诊断未来能够成为可能么？
2017-05-20 MedSci MedSci原创
对于痴呆症的早期诊断具有重要的临床和社会意义。最近使用对话分析（CA）定性方法的研究表明，语言和沟通问题在患者和神经学家之间是非常明显的，而基于对此的观察可以用来区分认知障碍是由于神经退行性疾病（ND）还是功能性的记忆障碍（FMD）所导致的。
近日，JOURNAL OF ALZHEIMERS DISEASE在线发表了一项关于记忆力减退诊断对话分析自动化的研究，探讨了利用机器学习对认知障碍进行诊断是否可以实现自动化。
对于痴呆症的早期诊断具有重要的临床和社会意义。最近使用对话分析（CA）定性方法的研究表明，语言和沟通问题在患者和神经学家之间是非常明显的，而基于对此的观察可以用来区分认知障碍是由于神经退行性疾病（ND）还是功能性的记忆障碍（FMD）所导致的。
本研究探讨了记忆诊所中医患相互作用的差异诊断分析是否可以自动化。方法：手动逐字记录神经病学家和最初出现记忆障碍的患者之间对话（FMD为15份，ND为15份）。一系列自动检测的特征，包含声学，词汇，语义和视觉信息用于复制诊断定性观察。这些特征被用于训练一套五种分类的机器学习，以区分ND和FMD。
研究结果显示，ND和FMD正确分类的平均值为93％，包括由感知分类器的97％到随机森林分类器的90％。使用十个最佳特征值，平均正确分类得分可提高到95％。
这项试点研究提供机器学习方法分析神经病学家和描述记忆问题的患者之间的相互作用的记录的原理证明，并可以将神经退行性与功能性的记忆障碍的患者区分开来。
原始出处：
Mirheidari, Bahmana, Blackburn, Danielb, Harkness,
Kirsty, et al. Toward the Automation of Diagnostic Conversation Analysis in
Patients with Memory Complaints.
作者：MedSci
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#alzheimers#
32
#Dis#
20
#ERS#
32
#MERS#
26
#机器#
22