Modelos de aprendizaje automático para predecir la aparición de demencia: Un enfoque de aprendizaje de etiquetas

INTRODUCCIÓN: El objetivo del estudio fue construir un modelo de aprendizaje automático para predecir el deterioro cognitivo leve incidente, la enfermedad de Alzheimer y las demencias relacionadas a partir de datos estructurados utilizando fuentes administrativas y de registros electrónicos de salud. MÉTODOS: Se creó una cohorte de pacientes (n = 121,907) y controles (n = 5,307,045) para la modelización utilizando datos dentro de los 2 años de la fecha de diagnóstico incidente del paciente. Se utilizaron cohortes adicionales de 3-8 años alejadas de los datos de índice para la predicción. Las cohortes de entrenamiento se emparejaron por edad, género, año de índice y utilización, y se ajustaron con una máquina de impulso de gradiente, lightGBM. RESULTADOS: La calidad del modelo de 2 años para incidentes en un conjunto de prueba reservado tuvo una sensibilidad del 47% y un área bajo la curva del 87%. En el modelo de 3 años, las etiquetas aprendidas alcanzaron el 24% (71%), que bajó al 15% (72%) en el año 8. DISCUSIÓN: La capacidad del modelo para discriminar casos incidentes de demencia implica que puede ser una herramienta valiosa para seleccionar pacientes para reclutamiento en ensayos y gestión de pacientes.