Din bilkørsel afslører kommende Alzheimer

Noget af det første, der svigter hos et menneske med Alzheimer, er evnen til at finde vej og evnen til at køre bil. Det sker typisk før der er mere håndgribelige symptomer. Med det in mente undersøgte en gruppe australske og amerikanske forskere, om data fra GPS-enheder til biler kan anvendes til at skelne mellem symptomfri personer med og uden begyndende Alzheimers sygdom.

Forskerne rekrutterede 139 ældre bilister fra igangværende forskningsprojekter om aldring og demens. I den forbindelse havde de allerede fået foretaget en analyse af deres rygmarvsvæske for at finde ud af, om den indeholdt biologiske markører for underliggende Alzheimer.

Abrupt kørsel
På baggrund af biomarkørstatus blev deltagerne delt op i to forsøgsgrupper: 64 personer med præklinisk Alzheimer (Alzheimer før kliniske symptomer) og 75 personer uden præklinisk Alzheimer.

Alle deltagere gav tilladelse til, at der blev installeret en GPS-sporingsenhed med data-logning i deres bil. Herefter blev de sluppet fri til at færdes på vejene som vanligt. Igennem hele år 2019 registrerede sporingsenhederne oplysninger om dato, tidspunkt, stedkoordinater og hastighed hvert halve minut, hver gang bilerne var ude at køre.

De kørselsvariable, der ifølge modellerne skelnede bedst mellem de to grupper, var abrupt kørsel (teknisk defineret ved ændring i accelerationsrate, kaldet jerk), antallet af køreture i aften- og nattetimerne samt den typiske længde af en køretur.

Du kan læse om Alzheimers sygdom her

Høj diagnostisk skelneevne
En model baseret på kørselsmønster kunne skelne mellem personer med og uden præklinisk Alzheimer med en præcision på 82%. Ved at inkludere bilisternes alder i modellen, kunne den diagnostiske skelneevne øges til imponerende 94%, hvilket umiddelbart er bedre end de fleste traditionelle diagnosemetoder og tests, hvoraf nogle er mere indgribende.

Til sammenligning gav en model baseret på deltagernes APOE epsilon4 status og alder (men uden kørselsdata) en skelneevne på 88%. Epsilon4 er en APOE-genvariant, der øger risikoen for Alzheimers sygdom.

Find vej i datajunglen
Mængden af indsamlede data gennem et år var, som man kan forestille sig, mildt sagt overvældende, men ved hjælp af avanceret maskinlæring lykkedes det at trække meningsfulde resultater ud af vildnisset.

Forskerne anvendte såkaldte Random Forest klassifikationsmodeller. De beskrives som robuste tree-structured maskinlæringsalgoritmer, der dels har vist sig mere præcise end klassiske maskinlæringsmodeller og dels er lettere at fortolke end deep learning modeller.

Er opsporing ønskelig?
Som forskerne selv gør opmærksom på, er der trods de lovende resultater tale om et forholdsvis lille studie. De efterlyser større undersøgelser af emnet med flere deltagere.

De nuværende lægemidler mod Alzheimer kan ikke helbrede sygdommen, hvilket måske svækker relevansen af at opspore personer med præklinisk Alzheimer her og nu. Men når der på et tidspunkt forhåbentlig bliver udviklet mere effektive, og gerne billige, lægemidler, kan opsporingsmetoder som den beskrevne meget vel vise sig nyttige.