Everyday Driving and Plasma Biomarkers in Alzheimer’s Disease: Leveraging Artificial Intelligence to Expand Our Diagnostic Toolkit
Notice bibliographique
Résumé
BACKGROUND: Driving behavior as a digital marker and recent developments in blood-based biomarkers show promise as a widespread solution for the early identification of Alzheimer's disease (AD). OBJECTIVE: This study used artificial intelligence methods to evaluate the association between naturalistic driving behavior and blood-based biomarkers of AD. METHODS: We employed an artificial neural network (ANN) to examine the relationship between everyday driving behavior and plasma biomarker of AD. The primary outcome was plasma Aβ42/Aβ40, where Aβ42/Aβ40 < 0.1013 was used to define amyloid positivity. Two ANN models were trained and tested for predicting the outcome. The first model architecture only includes driving variables as input, whereas the second architecture includes the combination of age, APOE ɛ4 status, and driving variables. RESULTS: All 142 participants (mean [SD] age 73.9 [5.2] years; 76 [53.5%] men; 80 participants [56.3% ] with amyloid positivity based on plasma Aβ42/Aβ40) were cognitively normal. The six driving features, included in the ANN models, were the number of trips during rush hour, the median and standard deviation of jerk, the number of hard braking incidents and night trips, and the standard deviation of speed. The F1 score of the model with driving variables alone was 0.75 [0.023] for predicting plasma Aβ42/Aβ40. Incorporating age and APOE ɛ4 carrier status improved the diagnostic performance of the model to 0.80 [>0.051]. CONCLUSION: Blood-based AD biomarkers offer a novel opportunity to establish the efficacy of naturalistic driving as an accessible digital marker for AD pathology in driving research.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».