מודלים של למידת מכונה לחיזוי סיכון לדמנציה: עדויות ממחקר הזיכרון וההזדקנות בסידני

מדוע זה חשוב להזדקנות בריאה

דמנציה היא אחת המחלות המפחידות ביותר בגיל המבוגר, ועדיין רבים מקבלים אבחנה רק כאשר בעיות הזיכרון והחשיבה כבר מתקדמות. המחקר שואל שאלה נושבת תקווה: האם באמצעות מידע שכבר נאסף במרפאות — כגון גיל, בדיקות חשיבה פשוטות, סוכר בדם ומצב הלב — נוכל לסמן מי צפוי לפתח דמנציה עד עשור מראש? אם כן, רופאים יוכלו למקד מעקב ומאמצי מניעה אצל אלה שזקוקים לכך ביותר.

מבט מקרוב על מחקר הזדקנות ארוך טווח

החוקרים השתמשו בנתוני מחקר הזיכרון וההזדקנות של סידני, שעוקב אחרי יותר מאלף אוסטרלים בגיל 70 ומעלה שהיו פטורים מדמנציה בעת ההצטרפות. במשך כעשר שנים, חלק מהמשתתפים אכן פיתחו דמנציה ולאחרים זה לא קרה. בתחילת המחקר כולם עברו בדיקות חשיבה וזיכרון מפורטות, שאלונים על מצב רוח ובדיקות רפואיות כולל בדיקות דם ומדידות של בריאות הלב והכלי דם. על‑ידי זיהוי המאפיינים ההתחלתיים שהופיעו בשכיחות גבוהה בקרב אלה שמאוחר יותר פיתחו דמנציה, הצוות יכול היה לאמן מודלים ממוחשבים לזהות פרופילי סיכון גבוה.

לימוד מכונות לזהות סיכון עתידי

לצורך בניית כלי החיזוי השוו המחברים מספר שיטות נפוצות של למידת מכונה. כל המודלים ניסו לענות על אותה שאלה: בהתבסס על המידע ההתחלתי של אדם, מה הסבירות שהוא יהיה חולה בדמנציה בעשור הבא, בהנחה שהוא עדיין חי ומוערך? האלגוריתמים אומנו על נתוני כ-70% מהמשתתפים ונבחנו על 30% הנותרים שהוסרו כקבוצה בלתי נראית לצורך בדיקה. הקלטים כללו גיל, השכלה, תסמיני מצב רוח, ציוני חשיבה מפורטים, יחס מותן־אגן, ניקוד סיכון סטנדרטי למחלות לב, ומדדי דם כגון כולסטרול, טריגליצרידים, חומצת שתן, תפקוד כלייתי, מדדי דלקת וסוכר בצום. סמן גנטי הידוע APOE ε4 נבחן מאוחר יותר כתוספת אופציונלית.

ארבעה מדדים פשוטים נושאים את עיקר המידע

מבין הגישות השונות, שיטה ממוקדת שנקראת רגרסיית LASSO נתנה את התוצאות הטובות ביותר. אף על פי שהחלו ברשימה ארוכה של מועמדים, המודל שמר בסופו של דבר על ארבעה גורמי חיזוי בלבד: גיל, ביצוע כללי במבחני חשיבה, סוכר בצום וניקוד משולב של סיכון לב וכלי דם. גיל מבוגר יותר, רמות סוכר גבוהות יותר ופרופיל קרדיו‑וסקולרי גרוע יותר העלו את סיכון החיזוי, בעוד שציוני חשיבה חזקים יותר הורידו אותו. בקבוצת המבחן שהוחדרה בצד, מודל ארבעת המשתנים הזה הצליח לדרג נכון אדם שיהיה חולה דמנציה בעתיד מעל אדם שלא יהיה חולה בדמנציה בערך בכשליש מהזמן, רמת ביצוע הנחשבת מקובלת לכלי סיכון קליניים. הוא גם סיפק איזון טוב בין זיהוי מקרים עתידיים אמיתיים והימנעות מהרבה אזעקות שווא.

מה שלא הוסיף הרבה וכיצד להשתמש בכלי

בהפתעה, הוספת מצב גנטי של APOE ε4 למודל הטוב ביותר לא שיפרה את הדיוק ואף החריפה מעט מדדים מסוימים, ברגע שגילו, ביצועי החשיבה, סוכר הדם וסיכון הלב כבר נכללו. זה מרמז שלפחות בקבוצה זו של מבוגרים, הסיפור העיקרי מסופר על ידי מידע קליני שגרתי ולא על ידי בדיקה גנטית או סמני דם ניסיוניים. המחברים מספקים נוסחה פשוטה שניתן ליישם בגליון אלקטרוני כדי להמיר את ארבעת המספרים הללו להערכת סיכון לדמנציה בעשר שנים, שאותה ניתן להשוות לסף מוצע לסימון אדם כ"בעל סיכון מוגבר" מול "סיכון נמוך". הם גם מסבירים כיצד מערכות בריאות יכולות לכוון את נקודת ההתחלה של המודל אם דמנציה שכיחה יותר או פחות באוכלוסיות שלהן או בטווחי גיל שונים.

מה זה אומר למטופלים ולרופאים

כרגע זהו הוכחה של קונספט ולא תוכנית סקרינג מוכנה לשימוש מלא. הוא מראה שקבוצת מדדים קטנה ומוכרת — גיל, מבחן חשיבה מובנה, סוכר בצום וניקוד סיכון לב סטנדרטי — יכולה למיינת באופן משמעותי מבוגרים לקבוצות סיכון דמנציה נמוך וגבוה בעד עשור לפני האבחנה. לפני שימוש נרחב יש לבחון את המודל במדינות אחרות, עם מבחני חשיבה פשוטים יותר המתאימים לשגרה היומיומית, ולצד שאלות מעשיות על האופן שבו מטופלים ורופאים מגיבים לאומדני סיכון הסתברותיים. עם זאת, המסר מעודד: תשומת לב משולבת לבריאות המוח, לסוכר בדם ולבריאות הלב עשויה לעזור לזהות מי עשוי להרוויח ממעקב צמוד ואסטרטגיות מניעה מוקדמות.

ציטוט: Chalmers, R.A., Cervin, M., Choo, C. et al. Machine learning models for dementia risk prediction: evidence from the Sydney Memory and Ageing Study. npj Dement. 2, 27 (2026). https://doi.org/10.1038/s44400-026-00071-1

מילות מפתח: חיזוי סיכון לדמנציה, למידת מכונה, הזדקנות קוגניטיבית, בריאות קרדיו‑מטבולית, זיהוי מוקדם