Early diagnosis of Alzheimer's dementia with the artificial intelligence‐based Integrated Cognitive Assessment
Notice bibliographique
Résumé
Abstract Background We have developed the Integrated Cognitive Assessment (ICA), a 5‐minute, self‐administered, computerised test that is independent of language, cultural background and education and aims at screening for cognitive impairment in a way that can simplify and accelerate the diagnosis of Alzheimer's Dementia (AD) and Mild Cognitive Impairment (MCI). The ICA utilises artificial intelligence to analyse high‐dimensional clinical and demographic data. Method We carried out head‐to‐head studies comparing classification performance of the ICA with widely used cognitive assessments (MoCA and ACE) in participants with MCI and mild AD. The ICA test measures patterns of reaction time and categorisation accuracy which are utilised by an AI engine, alongside demographic data, to provide a predictive score about participant’s cognitive status. We also investigated the use of a deep (50 layers) neural network to extract informative features from the ICA test response patterns. Result On a population of 200 participants (84 healthy, 68 MCI, 48 mild AD), the ICA achieved an area under the ROC accuracy of 91% in distinguishing between healthy and impaired (MCI and mild AD) participants. In comparison MoCA achieved an AUC of 82%, and ACE 84%. Utilising the deep learning network for automatic feature extraction significantly improved the specificity and sensitivity compared to only using a linear classifier. The ICA Spearman correlation of 0.67 (p‐value <0.0001) with MoCA, and 0.73 (p‐value<0.0001) with ACE establishes convergent validity with these cognitive tests. ICA results were not biased by participants level of education (i.e. no significant correlation), whereas MoCA and ACE had correlations of 0.31 (p<0.0001) and 0.31 (p<0.001) respectively with the level of education in the same set of subjects. Conclusion The ICA can support clinicians by aiding accurate diagnosis of MCI and AD and is appropriate for large‐scale screening of cognitive impairment. The ICA has advantages over MoCA and ACE because of its shorter duration, automatic scoring and potential for medical record or research database integration. ICA’s AI engine is able to learn from additional data and utilise deep learning, further improving the predictive power of the ICA test.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».