Dawn Attride
2025年12月08日
一项长期研究表明，驾驶模式的改变可能是老年人认知功能下降的指标。
研究人员通过驾驶数据分析，能够以82%的准确率预测轻度认知障碍（MCI）的发展。在为期3年的追踪中，与认知正常者相比，MCI老年患者的夜间驾驶频率降低、月度出行次数减少，且较少偏离常规路线。
圣路易斯华盛顿大学医学院首席研究员Ganesh M. Babulal博士在新闻稿中表示：“我们发现，使用全球定位系统（GPS）数据追踪设备，能比仅依靠年龄、认知测试分数或阿尔茨海默病相关遗传风险因素更准确地判断认知问题。该研究已于11月26日在线发表于《神经病学》期刊。”
早期检测的新机遇
在美国，老年人约占驾驶员总数的20%，其中约三分之一存在认知功能障碍。既往研究表明，早期痴呆患者在驾驶测试中表现更差，且交通事故风险更高。
研究者指出，亟需可扩展的解决方案来监测这一高风险人群的安全，而车辆追踪技术的最新进展或可提供识别MCI的有用数据。
为验证该假设，研究团队分析了298名参与者（平均年龄75.1岁；女性占45.6%）的驾驶数据，其中56人为MCI患者，其余认知正常（NC）。
参与者接受了临床痴呆评级、神经心理学评估，并检测了阿尔茨海默病已知风险因子——载脂蛋白E ε4等位基因。研究者根据标准化认知测试结果计算了参与者的临床前阿尔茨海默病认知复合评分（PACC）。
车载GPS追踪器持续记录参与者每日驾驶行为长达40个月，采集总出行次数、平均距离、夜间驾驶、超速事件及路线变化等数据。
研究采用线性混合模型评估驾驶行为的纵向变化，模型校正了基线年龄、种族、教育程度、性别及载脂蛋白E ε4状态。通过受试者工作特征曲线分析的逻辑回归，区分MCI与NC老年患者。
基线时，NC组与MCI组的驾驶习惯相似。但随着时间推移，MCI老年患者的月度出行次数显著减少（P < 0.001），夜间出行次数也明显降低（P < 0.001）。路线熟悉度分析显示，其行程不可预测性指标"随机熵"显著更低，表明更倾向于固定路线。
具体而言，超速行为、路线变化频率以及中长距离驾驶等因素可有效区分MCI与NC驾驶员（曲线下面积0.82；95%置信区间0.75-0.89）。
当模型纳入人口统计学特征、PACC评分及载脂蛋白E ε4状态时，MCI识别准确率达87%（95%置信区间0.81-0.93）；若排除驾驶数据，准确率降至76%。
研究局限性在于参与者多为高学历白人群体，且数据未经外部验证。
Babulal指出：“监测人们的日常驾驶行为是一种相对低负担、无干扰的认知能力评估方式，可帮助早期识别高风险驾驶员并实施干预，避免当前普遍发生的交通事故或险情。”
研究获得美国国立卫生研究院和美国国家衰老研究所资助。
【全文结束】
