Новое исследование показывает, что модели машинного обучения могут быстрее и доступнее выявлять женщин с серьезным когнитивным снижением в период менопаузы, что открывает возможности для более эффективного управления когнитивным здоровьем.

Результаты исследования опубликованы в журнале Menopause.

Субъективное снижение когнитивных функций — это ощущаемое человеком ухудшение памяти или других когнитивных функций. Когнитивное снижение, один из наиболее распространенных симптомов, связанных с переходом к менопаузе, вызывает особую обеспокоенность, поскольку оно не только влияет на качество жизни женщины, но и может указывать на повышенный риск развития тяжелых нейродегенеративных заболеваний, таких как болезнь Альцгеймера.

Полученные ранее данные свидетельствуют о наличии ряда факторов риска снижения когнитивных способностей, включая старение, гипертонию, ожирение, депрессию и другие. Проблема заключается в том, что большинство современных моделей когнитивного здоровья сосредоточены вокруг деменции — неизлечимого заболевания, которое предоставляет ограниченные возможности для клинического вмешательства. Хотя субъективное снижение когнитивных способностей не всегда предсказывает долгосрочные когнитивные изменения или деменцию, прогностическая модель снижения когнитивных способностей и связанных с ними факторов могла бы позволить проводить раннее вмешательство для сохранения когнитивного здоровья.

Существующее тестирование когнитивных способностей в основном основано на моделях, обычно включающих различные лабораторные показатели, такие как уровень глюкозы в крови, липидов в крови и визуализацию мозга. Сложность и высокая стоимость этих моделей часто делают их нецелесообразными для применения в клинических условиях. По сравнению с ними модели, основанные на анкетировании, представляют собой более простую и экономически эффективную альтернативу. Эти модели опираются на ряд независимых переменных, включая социально-демографические, связанные с работой, менструальным циклом, образом жизни и психическим здоровьем факторы.

В последние годы машинное обучение продемонстрировало огромный потенциал в области когнитивного здоровья. Выявляя закономерности и тенденции из больших массивов данных, оно позволяет строить точные, надежные модели и автоматизировать обработку сложных взаимосвязей между переменными. В ходе последнего исследования с участием более 1200 женщин, переживающих переходный период менопаузы, ученые смогли разработать и проверить модель машинного обучения для выявления женщин, испытывающих серьезное субъективное снижение когнитивных способностей, а также сопутствующих факторов.

Эти результаты дают новое руководство для мероприятий, направленных на сохранение когнитивного здоровья у женщин, переживающих переходный период менопаузы. Необходимы дополнительные исследования для подтверждения этих результатов и выявления дополнительных потенциальных факторов влияния.

Это исследование показывает, как можно использовать машинное обучение для выявления женщин, испытывающих серьезное субъективное когнитивное снижение в период менопаузы, и потенциальных связанных с этим факторов.

Раннее выявление лиц с высоким риском может позволить проводить целенаправленные мероприятия по сохранению когнитивного здоровья. Будущие исследования, включающие объективные показатели познания и продольное наблюдение, крайне важны для лучшего понимания этих ассоциаций, — говорит доктор Стефани Фобион, медицинский директор Общества менопаузы.

Ранее ученые заявили, что улучшить память при когнитивном расстройстве помогут тренировки.