Nauka i badaniaSztuczna inteligencja (AI) w medycynie

AI wspiera identyfikację subiektywnego pogorszenia funkcji poznawczych w okresie menopauzy

Sztuczna inteligencja (AI) wywiera ogromny wpływ na niemal każdą dziedzinę, w tym także na ochronę zdrowia. Nowe badanie sugeruje, że modele uczenia maszynowego mogą szybciej i bardziej ekonomicznie identyfikować kobiety z ciężkim subiektywnym pogorszeniem funkcji poznawczych w okresie menopauzy, co otwiera drogę do lepszego zarządzania zdrowiem poznawczym. Wyniki badania opublikowano dzisiaj w czasopiśmie „Menopause”, wydawanym przez The Menopause Society.

Subiektywne pogorszenie funkcji poznawczych odnosi się do odczuwalnego przez osobę spadku pamięci lub innych funkcji poznawczych. Pogorszenie funkcji poznawczych, będące jednym z częstszych objawów związanych z okresem menopauzy, budzi szczególny niepokój, ponieważ nie tylko obniża jakość życia kobiety, ale także może wskazywać na wyższe ryzyko ciężkich chorób neurodegeneracyjnych, takich jak choroba Alzheimera.

Dotychczasowe dowody wskazują na szereg czynników ryzyka pogorszenia funkcji poznawczych, w tym wiek, nadciśnienie, otyłość i depresję. Wyzwaniem jest to, że większość obecnych modeli oceny zdrowia poznawczego koncentruje się na demencji – nieuleczalnej chorobie, która oferuje ograniczone możliwości interwencji klinicznych. Chociaż subiektywne pogorszenie funkcji poznawczych nie zawsze zapowiada długoterminowe zmiany poznawcze lub demencję, przewidywalny model oceny pogorszenia funkcji poznawczych i związanych z nim czynników może umożliwić wczesne interwencje chroniące zdrowie poznawcze.

Obecnie stosowane testy oceny funkcji poznawczych opierają się głównie na złożonych modelach obejmujących różne wskaźniki laboratoryjne, takie jak poziom glukozy we krwi, lipidy krwi czy obrazowanie mózgu. Ich złożoność i wysoki koszt sprawiają, że często są niepraktyczne w codziennej praktyce klinicznej. W porównaniu do nich, modele oparte na kwestionariuszach oferują prostszą i bardziej ekonomiczną alternatywę. Te modele wykorzystują różnorodne zmienne, takie jak dane socjodemograficzne, czynniki związane z pracą, cyklem menstruacyjnym, stylem życia czy zdrowiem psychicznym.

Uczenie maszynowe w ostatnich latach wykazuje ogromny potencjał w dziedzinie zdrowia poznawczego. Dzięki analizie wzorców i trendów w dużych zbiorach danych, SI może konstruować dokładne i niezawodne modele oraz automatyzować analizę skomplikowanych zależności między zmiennymi. W najnowszym badaniu, w którym uczestniczyło ponad 1200 kobiet przechodzących menopauzę, naukowcy opracowali i zwalidowali model uczenia maszynowego do identyfikacji kobiet doświadczających ciężkiego subiektywnego pogorszenia funkcji poznawczych oraz czynników z tym związanych.

Otrzymane wyniki dostarczają nowych wskazówek dla interwencji mających na celu zachowanie zdrowia poznawczego u kobiet w okresie menopauzy. Konieczne są jednak dalsze badania w celu potwierdzenia tych wyników oraz identyfikacji dodatkowych czynników wpływających.

Wyniki badania opublikowano w artykule pt. „Using machine learning models to identify severe subjective cognitive decline and related factors in nurses during the menopause transition: a pilot study.”

„Badanie to podkreśla, jak wykorzystanie uczenia maszynowego może pomóc w identyfikacji kobiet doświadczających ciężkiego subiektywnego pogorszenia funkcji poznawczych w okresie menopauzy oraz potencjalnie związanych z tym czynników. Wczesna identyfikacja osób wysokiego ryzyka może umożliwić ukierunkowane interwencje chroniące zdrowie poznawcze. Kluczowe znaczenie dla lepszego zrozumienia tych zależności mają przyszłe badania uwzględniające obiektywne miary funkcji poznawczych oraz obserwacje długoterminowe” – mówi dr Stephanie Faubion, dyrektor medyczny The Menopause Society.

Więcej informacji o menopauzie i zdrowym starzeniu można znaleźć na stronie www.menopause.org.

Źródło: Menopause, The Menopause Society
DOI: 10.1097/GME.00000000000002500

Tygodnik Medyczny

Zdrowie, system ochrony zdrowia, opieka farmaceutyczna, farmacja, polityka lekowa, żywienie, służba zdrowia - portal medyczny

Najnowsze artykuły

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *

Back to top button