研究人员开发了随机森林模型，这是一种广泛用于人工智能疾病状态分类的统计技术，表现得非常好。“基于自然驾驶数据和基本人口特征(如年龄、性别、种族/民族和教育水平)的变量，我们可以预测轻度认知障碍和痴呆症，准确率为88%，”哥伦比亚大学工程学院土木工程和工程力学副教授、该研究的主要作者莎伦·迪(Sharon Di)说。

研究人员利用车载记录设备捕获的2977名参与者的自然驾驶数据构建了29个变量，这些数据来自于老年驾驶员纵向研究(LongROAD)项目，该项目是由AAA交通安全基金会赞助的一项多地点队列研究。在入组时，参与者是65-79岁的活跃司机，没有明显的认知障碍和退行性疾病。本研究中使用的数据涵盖了2015年8月至2019年3月的时间段。

在2977名车内安装了车载记录设备的参与者中，到2019年4月，33名新诊断为轻度认知障碍，31名患有痴呆症。研究人员训练了一系列用于检测轻度认知障碍/痴呆症的机器学习模型，发现基于驾驶变量和人口统计学特征的模型准确率为88%，远远好于仅基于人口统计学特征(29%)和驾驶变量(66%)的模型。进一步分析显示，年龄最能预测轻度认知障碍和痴呆，其次是离家15英里内的出行百分比、种族/民族、每条出行链的分钟数(即从家里出发和结束的行程长度)、每条出行分钟数和减速率≥0.35 g的硬制动事件次数。

“驾驶是一项复杂的任务，涉及动态认知过程，需要基本的认知功能和感知运动技能。“我们的研究表明，自然的驾驶行为可以作为轻度认知障碍和痴呆的全面可靠的标志，”哥伦比亚梅尔曼公共卫生学院和瓦格洛斯内外科医学院流行病学和麻醉学教授、医学博士李国华博士说。“如果得到验证，这项研究中开发的算法可以为早期发现和管理老年司机的轻度认知障碍和痴呆提供一种新颖、不显眼的筛查工具。”