前臨床認知障害の特定における個別化医療。予測リスクモデルの開発 (DENDRITE)

「アルツハイマー病およびその他の認知症のための包括的計画」は、集団ベースの研究における認知障害 (CI) 症例の 50% 以上が検出されていないことを示しています。 この数字は特に軽度の認知症の場合に顕著で、そのうち最大90％が診断されていない。 その目的は、データ処理と分析のための高度な人工知能技術を使用して、患者の臨床、分子、プロテオミクス、ゲノム、ケア、社会、環境、および行動のデータを統合し、統合された力を利用して、患者の予測モデルを生成することです。 55～70歳の人口におけるCIの前臨床検出。

前向き観察設計部分と定性的設計部分を備えた、多施設、非介入、収束混合法の観察研究。 サンプルは、参加している地理的場所の公衆衛生システムのユーザーの中から無作為に集められました。 データは、6 つの地域 (アンダルシア、カスティーリャ マンチャ、カタルーニャ、バレンシア、マドリード、バスク地方) とその地方および都市部のプライマリ ケア (PC) ネットワークで収集されます。

研究対象地域内のPCセンターに配属された55歳から70歳の非施設施設対象者で、「生存歴」（過去12か月以内に記録）があり、CIの診断が確立されていない。

母集団の特徴の記述分析は、頻度とパーセンテージ、または中心傾向と分散の尺度、およびその 95% 信頼区間を使用して実行されます。 サンプルの均一性を研究するために、ベースラインの社会人口統計学的特徴と臨床的特徴が比較されます。 質的変数の比較にはカイ二乗検定またはフィッシャーの直接確率検定が使用され、量的変数の比較には t 検定またはウィルコクソン検定が使用されます。 ロジスティック回帰モデルは、軽度認知障害に関連する健康結果要因を分析するために提案されています。 すべてのモデルには、各個人に対する反復測定が含まれます。 すべてのモデルはさまざまなリスク要因に合わせて調整され、時間の経過とともに変化する可能性のある要因については、時間とその要因の間の相互作用が研究されます。

最初は、多変量線形潜在モデルが認知障害リスクの予測モデルに使用されます。 複数の情報源からのデータの統合は、すべてのデータ ソース (訪問) の影響を受ける特徴空間での患者の表現を見つけるために、多変量確率モデルを使用して行われます。

Ingenuity Pathway Analysis などの Web ツールを使用すると、さまざまな分子レベル (遺伝子、タンパク質、自己抗体) でのデータの統合が可能になり、人工知能ツールを使用すると、そのようなデータ、電気化学センサーから得られるデータ、および臨床および行動データに関連するデータの統合が可能になります。認知障害、神経変性、アルツハイマー病の予測モデルを取得するための認知障害のある患者の研究。